利用k-means算法完成Iris数据集的聚类，并输出聚类结果的正确率和召回率。

Iris数据集是一个常用的分类问题数据集，由三种不同的鸢尾花(Setosa、Versicolour、Virginica)的花萼长度、花萼宽度、花瓣长度和花瓣宽度组成。利用k-means算法可以将这些数据聚类成几个类别。

要计算聚类结果的正确率和召回率，需要事先知道每个数据点的真实类别。然后，我们可以比较聚类结果和真实类别之间的差异，计算准确率和召回率。

具体步骤如下：

1. 首先加载Iris数据集并进行预处理，将数据分成训练集和测试集。

2. 使用k-means算法对训练集进行聚类，并将测试集的数据点分配到最近的簇中。

3. 比较聚类结果和真实类别之间的差异，计算准确率和召回率。