refactor: update kmeans examples with better plots

ML/aufgaben/kmeans/kmeans_iris.py

@@ -30,7 +30,7 @@ kmeans = KMeans(n_clusters=3)
 # fit auf daten
 kmeans.fit(iris.data)
 
-# gegenüberstellung gold standard vs prediction
+# Gegenüberstellung gold standard vs prediction
 print("gold standard vs. prediction")
 for target_label, predicted_label in zip(iris.target, kmeans.labels_):
     print(f"{target_label} -> {predicted_label}")
@@ -41,12 +41,13 @@ print(metrics.completeness_score(iris.target, kmeans.labels_))
 print(metrics.adjusted_rand_score(iris.target, kmeans.labels_))
 print(metrics.silhouette_score(iris.data, kmeans.labels_))
 
-# plot vorbereiten
+# plot vorbereiten (Idee von kmeans digits)
+# Transformation 4D nach 2D via Projektionsfit
 pca = PCA(n_components=2)
 X2d = pca.fit_transform(iris.data)
 centroids2d = pca.transform(kmeans.cluster_centers_)
 
-# plot
+# plotten der Punktewolke und einzeichnen der Centroiden
 plt.scatter(X2d[:, 0], X2d[:, 1], c=kmeans.labels_, cmap="viridis", s=30, alpha=0.7)
 plt.scatter(
     centroids2d[:, 0], centroids2d[:, 1], c="red", marker="X", s=200, edgecolors="black"