iris_kmeans.py

import seaborn as sns

from sklearn.cluster import KMeans


# preparando nossos dados
iris = sns.load_dataset('iris')
df = iris.drop('species', axis=1)

# calculando a soma dos quadrados para as 19 quantidade de clusters
sum_of_squares = calculate_wcss(df)

# calculando a quantidade ótima de clusters
n = optimal_number_of_clusters(sum_of_squares)

# rodando o kmeans para nossa quantidade ótima de clusters
kmeans = KMeans(n_clusters=n)
clusters = kmeans.fit_predict(df)