本案例进一步采用鸢尾花数据集（iris），通过聚类分析对不同品种的鸢尾花进行区分。由于聚类分析属于无监督学习的范畴，数据中不应当存在目标变量，可通过“特征选择”组件将其过滤，聚类算法选用经典的k均值算法进行模型训练，为了观测聚类效果，引入箱线图与散点图等可视化组件，整体的工作流如图1所示。、

图1

一、案例背景

在鸢尾花的分类预测的案例中，我们根据已知品种的鸢尾花测量数据，对新鸢尾花的品种进行了预测，在本案例中，我们要对一组未知品种的鸢尾花测量数据进行聚类分析，从而将不同品种的鸢尾花区分开。与分类预测不同，聚类算法是一种无监督学习的算法。

二、分析过程

1.数据的导入与观测

添加“文件”组件用于加载本地数据，选择蓝鲸已经集成的iris.tab，即鸢尾花数据集，这是机器学习和统计学中一个经典的数据集。“文件”组件也可以显示数据集的基本信息。

2.特征选择

通过“特征选择”来实现特征过滤，组件设置如图3所示。

图2

3.算法设置

K均值算法在训练模型时需要指定聚类簇的数量，组件的设置如图4所示。

图3

4. 聚类模型的可视化（基于箱线图）

待模型训练完毕，我们可以采用可视化的方式更直观地观测聚类模型的性能。从统计学的角度，我们希望聚类模型中，组内间距尽可能小，组间的间距尽可能大，箱线图可以从量化数据的角度实现定量的描述，如图5所示。

图4

5.聚类模型的可视化（基于散点图）

散点图可以从空间分布的角度更直观地观测聚类模型的分布状态，“散点图”组件的设置和可视化结果如图6所示。

图5

三、结论

在本案例中构建了以k均值聚类算法为基础的鸢尾花（iris）的聚类模型，簇的数量设置为3，较好地实现将不同品种的鸢尾花区分开，第二类品种的鸢尾花在花瓣长度和花萼长度普遍较长，第一类品种的鸢尾花居中，第三类品种的鸢尾花普遍较短。