请提供一段代码：用高斯分布进行拟合一组无标签数据，得到方差和散点图分布

好的，以下是使用高斯分布拟合无标签数据的Python代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

# 生成模拟数据
x_data = np.linspace(-5, 5, 1000)
y_data = 3.5 * np.exp(-0.5 * x_data ** 2) + np.random.normal(0, 0.05, 1000)

# 定义高斯分布函数
def gauss(x, a, b, c):
    return a * np.exp(-(x - b)**2 / (2 * c**2))

# 使用curve_fit函数拟合数据
popt, pcov = curve_fit(gauss, x_data, y_data)

# 得到拟合的高斯分布参数
amplitude = popt[0]
center = popt[1]
sigma = popt[2]

# 得到拟合的散点图分布
y_fit = gauss(x_data, amplitude, center, sigma)

# 绘制拟合结果和原始数据
plt.plot(x_data, y_data, '.', label='Data')
plt.plot(x_data, y_fit, '-r', label='Fit')
plt.legend()

# 打印拟合的参数
print('拟合高斯分布参数：')
print(f'amplitude: {amplitude}')
print(f'center: {center}')
print(f'sigma: {sigma}')

# 显示图像
plt.show()

这段代码使用了`numpy`和`matplotlib`来生成模拟数据和绘制散点图的分布，使用`scipy.optimize`库中的`curve_fit`函数来拟合参数，并使用得到的参数绘制高斯分布曲线。请注意，这个代码只是示例，实际上你需要根据你的数据和分布情况调整高斯分布函数的参数，以获得更好的拟合效果。