Python基于K均值聚类算法实现鸢尾花分类

一秉

实验准备：通过pip引入matplotlib, numpy, sklearn三个包

import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import KMeans
from sklearn import datasets
  
iris = datasets.load_iris()#导入sklearn自带的鸢尾花数据集，鸢尾花一共有四个属性，创建四个维度
X = iris.data[:, :4] # #表示我们取特征空间中的4个维度
print(X.shape)
  
# 绘制数据分布图
plt.scatter(X[:, 0], X[:, 1], c="red", marker='o', label='see')
plt.xlabel('sepal length')
plt.ylabel('sepal width')
plt.legend(loc=2)
plt.show()
  
estimator = KMeans(n_clusters=3) # 构造聚类器，构建包含三个分类的聚类器
estimator.fit(X) # 做出聚类运算，由KMeans封装底层代码

label_pred = estimator.labels_ # 获取聚类标签
# 绘制k-means结果
x0 = X[label_pred == 0]
x1 = X[label_pred == 1]
x2 = X[label_pred == 2]
plt.scatter(x0[:, 0], x0[:, 1], c="red", marker='o', label='label0')
plt.scatter(x1[:, 0], x1[:, 1], c="green", marker='*', label='label1')
plt.scatter(x2[:, 0], x2[:, 1], c="blue", marker='+', label='label2')
plt.xlabel('sepal length')
plt.ylabel('sepal width')
plt.legend(loc=2)
plt.show()
我们可以通过去更改属性值，尝试分析那两种属性的效果得到的结果会比较好一点
比较第1个和第3个属性（图1-3.png），分类结果比较好，不同的类界限分明


比较第1，2个属性（图1-2.png），效果没有比较1,3个属性的结果好，蓝色的点和红色的点有交接出。
当然，有兴趣的可以继续比较其他属性的结果。