K-Means算法那对iris数据集聚类的过程分析

好的，下面我将为您介绍一下K-Means算法在Iris数据集上的聚类过程。

Iris数据集是一个非常常用的数据集，用于分类和聚类算法的性能评估。该数据集包含3种鸢尾花的4个特征（萼片长度、萼片宽度、花瓣长度、花瓣宽度），每个类别有50个样本。我们将使用K-Means算法对该数据集进行聚类。

首先，我们需要确定要分成几个簇。通常可以通过手肘法（Elbow Method）来确定最佳的聚类数。手肘法的基本思想是，随着聚类数的增加，簇内平方和（SSE）会逐渐减小，直到某个点后下降速度变缓。这个点对应的聚类数就是最佳的聚类数。下面是使用手肘法确定聚类数的代码：

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

iris = load_iris()
X = iris.data

sse = []
for k in range(1, 11):
    kmeans = KMeans(n_clusters=k, init='k-means++', max_iter=300, n_init=10, random_state=0)
    kmeans.fit(X)
    sse.append(kmeans.inertia_)

plt.plot(range(1, 11), sse)
plt.title('Elbow Method')
plt.xlabel('Number of clusters')
plt.ylabel('SSE')
plt.show()

运行上述代码可以得到下图：


从上图可以看出，当聚类数为3时，SSE的下降速度变缓，因此我们选择聚类数为3。

接下来，我们使用K-Means算法对Iris数据集进行聚类。代码如下：

kmeans = KMeans(n_clusters=3, init='k-means++', max_iter=300, n_init=10, random_state=0)
y_kmeans = kmeans.fit_predict(X)

运行上述代码可以得到聚类结果y_kmeans，这个结果是一个长度为150的数组，每个元素表示对应样本所属的簇编号（0、1或2）。我们可以将聚类结果可视化，代码如下：

plt.scatter(X[y_kmeans == 0, 0], X[y_kmeans == 0, 1], s = 100, c = 'red', label = 'Cluster 1')
plt.scatter(X[y_kmeans == 1, 0], X[y_kmeans == 1, 1], s = 100, c = 'blue', label = 'Cluster 2')
plt.scatter(X[y_kmeans == 2, 0], X[y_kmeans == 2, 1], s = 100, c = 'green', label = 'Cluster 3')

plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:,1], s = 100, c = 'yellow', label = 'Centroids')
plt.title('Clusters of Iris dataset')
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.legend()
plt.show()

运行上述代码可以得到下图：


从上图可以看出，K-Means算法成功将Iris数据集中的样本分成了3个簇，并且不同簇之间的特征存在差异。