使用sklearn实现层次聚类算法对鸢尾花数据进行聚类

以下是使用sklearn实现层次聚类算法对鸢尾花数据进行聚类的Python代码：

from sklearn.datasets import load_iris
from sklearn.cluster import AgglomerativeClustering

# 加载鸢尾花数据
iris = load_iris()

# 构建层次聚类模型
model = AgglomerativeClustering(n_clusters=3)

# 训练模型并进行聚类
clusters = model.fit_predict(iris.data)

# 输出聚类结果
print(clusters)

在上述代码中，我们首先加载了鸢尾花数据，然后使用AgglomerativeClustering类构建了一个层次聚类模型，其中n_clusters参数指定了聚类数量为3。接下来，我们使用fit_predict方法对模型进行训练并进行聚类，最后输出聚类结果。

需要注意的是，由于鸢尾花数据集是带有标签的数据集，因此我们可以通过比较聚类结果和真实标签来评估聚类效果。具体评估方法可以使用sklearn中的评估指标函数，例如adjusted_rand_score、normalized_mutual_info_score等。