利用datasets模块中的Make_blobs()函数产生各向同性的高斯分布的三维样本数据，画出样本数据在三维平面上的投影

以下是利用Make_blobs函数生成高斯分布样本数据，并在三维平面上绘制其投影的Python代码：

import numpy as np
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 生成高斯分布样本数据
X, y = make_blobs(n_samples=500, n_features=3, centers=4, cluster_std=1.0, random_state=42)

# 绘制三维散点图
fig = plt.figure()
ax = Axes3D(fig)
ax.scatter(X[:, 0], X[:, 1], X[:, 2], c=y)
plt.show()

# 绘制三维平面上的投影
fig2 = plt.figure()
ax2 = fig2.add_subplot(111)
ax2.scatter(X[:, 0], X[:, 1], c=y)
plt.show()

运行代码后，将会先生成一个三维散点图，然后再生成其在三维平面上的投影。其中，Make_blobs函数生成的高斯分布样本数据包含500个样本，每个样本有3个特征，共分为4个类别。cluster_std参数控制了每个类别内部的标准差，random_state参数用于设置随机种子，确保每次生成的样本数据都相同。在绘制三维散点图时，不同的类别用不同的颜色进行标记；在绘制投影时，只绘制前两个特征，并用相同的颜色进行标记。