sklearn之load_iris数据集

转载于 2019-04-25 20:04:43 发布 · 1.9w 阅读

sklearn 专栏收录该内容

4 篇文章

订阅专栏

本文通过使用sklearn库中的KMeans算法对鸢尾花数据集进行聚类分析，首先利用MinMaxScaler对数据进行预处理，然后采用KMeans算法进行训练并预测，最后输出了对未知样本的聚类结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from sklearn.datasets import load_iris
from sklearn.preprocessing import MinMaxScaler
from sklearn.cluster import KMeans
iris = load_iris()
iris_data = iris['data']
iris_target = iris['target']
iris_names = iris['feature_names']
scale = MinMaxScaler().fit(iris_data)#训练模型
iris_dataScale = scale.transform(iris_data)
kmeans = KMeans(n_clusters=3,random_state=123).fit(iris_dataScale)
print(kmeans)
result = kmeans.predict([[1.5,1.5,1.5,1.5]])
print(result[0])