在matlab上用K-means算法聚类鸢尾花数据集并有混淆矩阵

好的，下面是在 MATLAB 上使用 K-means 算法聚类鸢尾花数据集并生成混淆矩阵的代码：

% 加载鸢尾花数据集
load fisheriris;

% 选择前两个特征作为聚类的输入
X = meas(:,1:2);

% 设置簇的数量
K = 3;

% 使用 K-means 算法聚类
[idx, C] = kmeans(X, K);

% 将聚类结果可视化
gscatter(X(:,1), X(:,2), idx);

% 计算混淆矩阵
labels_true = grp2idx(species); % 将类别转换为数字标签
labels_pred = idx;
confusion_matrix = confusionmat(labels_true, labels_pred);

% 显示混淆矩阵
disp('Confusion Matrix:');
disp(confusion_matrix);

运行上述代码后，会得到一个类似于下图的聚类结果可视化图：


同时，控制台会输出混淆矩阵的结果，例如：

Confusion Matrix:
    50     0     0
     0     2    48
     0    46     4

混淆矩阵的行表示真实的类别标签，列表示预测的类别标签。例如，第一行表示真实标签为 1 的样本有 50 个，预测为 1 的有 50 个，预测为 2 和 3 的都没有。