1.使用k-means聚类实现 sklearn提供的鸢尾花数据集聚类，并可视化。（代码需要包含注释）

以下是使用sklearn提供的鸢尾花数据集进行k-means聚类并可视化的代码：

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

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data

# 创建KMeans模型并进行聚类
kmeans = KMeans(n_clusters=3, random_state=0)
kmeans.fit(X)

# 获取聚类结果和聚类中心
labels = kmeans.labels_
centers = kmeans.cluster_centers_

# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.scatter(centers[:, 0], centers[:, 1], marker='x', color='red')
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.title('K-means Clustering of Iris Dataset')
plt.show()

这段代码首先导入了所需的库，包括numpy、matplotlib、sklearn.cluster中的KMeans和sklearn.datasets中的load_iris。然后，加载了鸢尾花数据集，并将其存储在变量X中。接下来，创建了一个KMeans模型，并指定了聚类的数量为3。然后，使用fit()方法对数据进行聚类。获取聚类结果和聚类中心后，使用scatter()函数将数据点和聚类中心可视化。最后，添加了横轴和纵轴的标签，以及标题，并使用show()函数显示图形。