DIANA鸢尾花聚类可视化python代码

以下是使用Python和Scikit-learn库进行鸢尾花聚类可视化的代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.decomposition import PCA
from sklearn.datasets import load_iris

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 聚类
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)
y_kmeans = kmeans.predict(X)

# PCA降维
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X)

# 绘制散点图
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=y_kmeans, cmap='viridis')
centers = pca.transform(kmeans.cluster_centers_)
plt.scatter(centers[:, 0], centers[:, 1], c='black', s=200, alpha=0.5)
plt.title('Iris Clustering Results')
plt.xlabel('PCA Component 1')
plt.ylabel('PCA Component 2')
plt.show()

代码将数据集加载到`X`和`y`变量中，使用KMeans聚类算法对数据进行聚类，然后使用PCA进行降维并将结果可视化。在可视化中，不同聚类被用不同的颜色表示，聚类中心被表示为黑色圆点。