kmeans实现iris数据集机器学习

好的，下面是使用k-means算法实现Iris数据集聚类的Python代码：

import numpy as np
import pandas as pd
from sklearn.cluster import KMeans
from sklearn.datasets import load_iris

# 加载Iris数据集
iris = load_iris()
X = iris.data

# 构建KMeans模型
kmeans = KMeans(n_clusters=3, random_state=0)
kmeans.fit(X)

# 打印聚类结果
labels = kmeans.labels_
df = pd.DataFrame({'labels': labels, 'species': iris.target})
ct = pd.crosstab(df['labels'], df['species'])
print(ct)

这段代码首先导入了需要用到的库，然后加载了Iris数据集并将其赋值给X变量。接着，使用KMeans类构建KMeans模型，并将n_clusters参数设置为3，即将数据集分为3个簇。然后，使用fit()方法拟合模型并进行聚类。最后，通过打印聚类结果，可以看到每个簇中包含的不同种类的鸢尾花数量。