---

import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler

# Загружаем набор данных ирисов Фишера
iris = load_iris()
X = iris.data

# Масштабируем данные
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# Экспериментируем с количеством кластеров
for k in [2, 3, 4]:
    kmeans = KMeans(n_clusters=k, random_state=0, n_init=10)
    labels = kmeans.fit_predict(X_scaled)

    print(f"\nКоличество кластеров: {k}")
    print("Метки кластеров:")
    print(labels)
    print("Центры кластеров:")
    print(kmeans.cluster_centers_)

    # Для визуализации используем два признака:
    # длина чашелистика и ширина чашелистика
    plt.figure(figsize=(7, 5))
    plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='rainbow', s=50)

    plt.title(f'Кластеризация ирисов методом KMeans, k = {k}')
    plt.xlabel('Длина чашелистика')
    plt.ylabel('Ширина чашелистика')
    plt.grid(True)
    plt.show()