K-means聚类算法实现，使用文件“C:\Users\Administrator\Desktop”里面的数据，采用莺尾花数据，学习决策树，画出决策树

首先，需要导入相关的库和数据集。这里我们使用Scikit-learn库中自带的莺尾花数据集。

from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data

接下来，我们可以选择一个K值（聚类的数量），并使用K-means算法对数据进行聚类。

这里以K=3为例，聚类代码如下：

from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

接着，我们可以将聚类结果可视化。这里使用matplotlib库来画图。

import matplotlib.pyplot as plt

# 将聚类结果可视化
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_)
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], marker='x', s=200, linewidths=3, color='r')
plt.show()

完整的代码如下：

from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 导入数据集
iris = load_iris()
X = iris.data

# 使用K-means算法进行聚类
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

# 将聚类结果可视化
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_)
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], marker='x', s=200, linewidths=3, color='r')
plt.show()

运行以上代码，即可得到K-means聚类算法的结果，输出结果为聚类后的数据可视化图。

关于决策树的部分，需要导入决策树的相关库，这里我们使用Scikit-learn中的决策树算法。

from sklearn.tree import DecisionTreeClassifier
dtc = DecisionTreeClassifier()
dtc.fit(X, kmeans.labels_)

接着，我们可以使用Graphviz库将决策树可视化。

from sklearn.tree import export_graphviz
import graphviz
dot_data = export_graphviz(dtc, out_file=None, 
                           feature_names=iris.feature_names,  
                           class_names=iris.target_names,  
                           filled=True, rounded=True,  
                           special_characters=True)  
graph = graphviz.Source(dot_data)  
graph.render("iris") 

完整的代码如下：

from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
from sklearn.tree import DecisionTreeClassifier, export_graphviz
import graphviz

# 导入数据集
iris = load_iris()
X = iris.data

# 使用K-means算法进行聚类
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

# 训练决策树
dtc = DecisionTreeClassifier()
dtc.fit(X, kmeans.labels_)

# 将决策树可视化
dot_data = export_graphviz(dtc, out_file=None, 
                           feature_names=iris.feature_names,  
                           class_names=iris.target_names,  
                           filled=True, rounded=True,  
                           special_characters=True)  
graph = graphviz.Source(dot_data)  
graph.render("iris")  

运行以上代码，即可得到莺尾花数据集的决策树可视化结果。输出结果为一个PDF文件，可以使用PDF阅读器查看。