对Iris数据集和Wine数据集进行数据挖掘代码实现

以下是使用Python语言和sklearn库对Iris数据集和Wine数据集进行数据挖掘的代码实现：

## Iris数据集

# 导入所需库
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans

# 加载Iris数据集
iris = load_iris()

# 构建K-Means模型
kmeans = KMeans(n_clusters=3, random_state=0)

# 训练模型
kmeans.fit(iris.data)

# 打印聚类结果
print(kmeans.labels_)

## Wine数据集

# 导入所需库
from sklearn.datasets import load_wine
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# 加载Wine数据集
wine = load_wine()

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(wine.data, wine.target, test_size=0.3, random_state=0)

# 构建决策树分类器
clf = DecisionTreeClassifier(random_state=0)

# 训练模型
clf.fit(X_train, y_train)

# 打印分类器准确率
print(clf.score(X_test, y_test))

以上代码仅供参考，具体的数据挖掘方法和结果需要根据具体的场景和需求进行调整和评估。