用Python完成对鸢尾花数据集的kmeans聚类并绘图
时间: 2024-03-15 22:44:58 浏览: 74
python内置K-means聚类算法对鸢尾花数据的聚类情况
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:
```python
# 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。
阅读全文