用Python完成对鸢尾花数据集的kmeans聚类并绘图

好的，除了完成聚类任务外，我们还可以通过可视化的方式更直观地理解聚类结果。我们可以使用 Matplotlib 库来绘制散点图，其中不同聚类的数据点使用不同的颜色进行标记。具体实现步骤如下：

# 导入必要的库和数据集
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

iris = load_iris()
X = iris.data

# 定义聚类模型，这里设置聚类数为3
kmeans = KMeans(n_clusters=3, random_state=0)

# 训练模型并输出聚类结果
kmeans.fit(X)
labels = kmeans.labels_

# 绘制散点图
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.show()

这段代码与之前的代码类似，不同之处在于我们使用了 Matplotlib 库来绘制散点图。我们使用 `scatter()` 函数绘制散点图，其中 `c` 参数用于指定颜色，其取值为 `labels`，即每个数据点所对应的聚类标签。这样，不同聚类的数据点就会被使用不同的颜色进行标记。

最后，我们使用 `show()` 函数显示绘制出的散点图。在这个散点图中，我们使用 Sepal length 和 Sepal width 这两个特征作为坐标轴，以更直观地显示聚类结果。