一个简单的bayes分类器实验，Python代码，数据集和代码均包含

示例：对IRIS数据集作聚类分析

matlab语言编写的实现iris数据的最小错误贝叶斯分类

Iris数据集以及Java实现的KNN分类器，博客地址：http://blog.csdn.net/zhongkejingwang/article/details/44132771

Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

此处基于K-means算法处理Iris数据集 Kmeans.py模块： import numpy as np class KMeansClassifier(): """初始化KMeansClassifier类""" def __init__(self, k=3, initCent='random', max_iter=500): # 类的成员数据(变量前用下划线) self._k = k # 中心点 self._initCent = initCent # 生成初始中心点 self._max_iter = max_ite

用matlab实现用Bp神经网络对iris数据集进行分类（以及影响分类性能的参数条件）这篇文章的数据集

框架：keras，语言：python，使用算法：k-means，需要安装一些安装包

这个是原始的wine和iris数据集，用于分类和聚类。

K-means Python实现+Iris数据集