任务2 鸢尾花聚类模型及其评价【任务需求】使用KMeans聚类算法对鸢尾花Iris数据集进行聚类分析，并通过Adjusted Rand Index（ARI）评价指标来评估聚类效果。【实现思路及步骤】导

在任务2中，我们将采用鸢尾花（Iris）数据集来进行KMeans聚类模型的应用。鸢尾花数据集是一个经典的分类问题数据集，包含四个连续变量（花瓣长度、花瓣宽度、萼片长度和萼片宽度），常用于机器学习的入门示例。 以下是实现这个任务的步骤： 1. **导入库**：首先，我们需要导入必要的Python数据分析库，如pandas for 数据处理，numpy for 数组操作，matplotlib for 可视化，sklearn的preprocessing模块进行特征缩放，以及sklearn的cluster模块中的KMeans进行聚类。 ```python import pandas as pd import numpy as np from sklearn.datasets import load_iris from sklearn.preprocessing import StandardScaler from sklearn.cluster import KMeans from sklearn.metrics import adjusted_rand_score import matplotlib.pyplot as plt ``` 2. **加载数据**：使用`load_iris()`函数加载鸢尾花数据。 ```python iris = load_iris() X = iris.data y = iris.target ``` 3. **预处理数据**：对于KMeans，我们通常需要对数值型特征进行标准化，确保每个特征具有相似的尺度。 ```python scaler = StandardScaler() X_scaled = scaler.fit_transform(X) ``` 4. **选择合适的k值**：尝试不同的k值（比如2到10），运行KMeans并计算ARI分数，找到最佳的聚类数。 ```python k_values = range(2, 11) ari_scores = [] for k in k_values: kmeans = KMeans(n_clusters=k) kmeans.fit(X_scaled) y_pred = kmeans.labels_ ari = adjusted_rand_score(y, y_pred) ari_scores.append((k, ari)) ``` 5. **评估聚类效果**：绘制ARI得分随着k值变化的曲线，找出ARI最大的那一点，即最优聚类数。 ```python best_k = max(ari_scores, key=lambda x: x[1])[0] print(f"Best number of clusters: {best_k}") plt.plot(k_values, ari_scores, 'bx-') plt.xlabel('Number of Clusters') plt.ylabel('Adjusted Rand Score') plt.title('Choosing optimal number of clusters using ARI'); ``` 6. **查看聚类结果**：最后，我们可以使用得到的最佳k值，将数据重新分为簇，并可视化每个簇内的样本分布。 ```python best_kmeans = KMeans(n_clusters=best_k) y_pred_best = best_kmeans.fit_predict(X_scaled) # Visualize the clusters plt.scatter(X_scaled[y_pred_best == 0, 0], X_scaled[y_pred_best == 0, 1], label='Cluster 1', c='red') plt.scatter(X_scaled[y_pred_best == 1, 0], X_scaled[y_pred_best == 1, 1], label='Cluster 2', c='blue') plt.scatter(X_scaled[y_pred_best == 2, 0], X_scaled[y_pred_best == 2, 1], label='Cluster 3', c='green') plt.legend(); ```