python用k-means算法对iris聚类

好的，让我们来用 Python 实现 k-means 算法对 iris 数据集进行聚类。

首先，我们需要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
y = iris.target

接下来，我们可以使用 KMeans 类对数据进行聚类。这里我们选择将数据分为 3 类，即 n_clusters=3：

kmeans = KMeans(n_clusters=3)
kmeans.fit(X)

现在，我们可以使用聚类结果对数据进行可视化。这里我们将每个数据点的颜色设置为其所属的聚类：

colors = ['r', 'g', 'b']

for i in range(len(X)):
    plt.scatter(X[i][0], X[i][1], c=colors[kmeans.labels_[i]])

plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], marker='*', s=300, c='black')
plt.show()

上述代码将每个数据点绘制为散点图，并使用不同的颜色表示其所属的聚类。此外，我们还绘制了聚类中心点，以星号表示。

完整代码如下：

from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

iris = load_iris()
X = iris.data
y = iris.target

kmeans = KMeans(n_clusters=3)
kmeans.fit(X)

colors = ['r', 'g', 'b']

for i in range(len(X)):
    plt.scatter(X[i][0], X[i][1], c=colors[kmeans.labels_[i]])

plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], marker='*', s=300, c='black')
plt.show()

运行代码后，你将看到 iris 数据集被分为三个聚类，并且每个聚类的中心点被表示为星号。