写一段python代码，生成点云数据集，分别用kmeans聚类，DBSCAN聚类和mean shift聚类对生成的数据进行聚类，输出这些算法聚类后的可视化图，并衡量他们的评价指标

生成点云数据集可以使用Python中的numpy库和sklearn库中的make_blobs函数，如下所示：

import numpy as np
from sklearn.datasets import make_blobs

# 生成300个样本，4个中心点，方差为0.5，坐标范围为(-10,10)
X, y = make_blobs(n_samples=300, centers=4, cluster_std=0.5, random_state=0)

然后可以使用sklearn库中的KMeans、DBSCAN和MeanShift进行聚类，如下所示：

from sklearn.cluster import KMeans, DBSCAN, MeanShift

# KMeans聚类
kmeans = KMeans(n_clusters=4)
kmeans_pred = kmeans.fit_predict(X)

# DBSCAN聚类
dbscan = DBSCAN(eps=0.5, min_samples=5)
dbscan_pred = dbscan.fit_predict(X)

# MeanShift聚类
ms = MeanShift()
ms_pred = ms.fit_predict(X)

最后可以使用matplotlib库进行可视化，如下所示：

import matplotlib.pyplot as plt

# 可视化KMeans聚类结果
plt.scatter(X[:, 0], X[:, 1], c=kmeans_pred)
plt.title("KMeans Clustering")
plt.show()

# 可视化DBSCAN聚类结果
plt.scatter(X[:, 0], X[:, 1], c=dbscan_pred)
plt.title("DBSCAN Clustering")
plt.show()

# 可视化MeanShift聚类结果
plt.scatter(X[:, 0], X[:, 1], c=ms_pred)
plt.title("MeanShift Clustering")
plt.show()

评价指标可以使用sklearn库中的metrics模块进行计算，如下所示：

from sklearn import metrics

# 计算KMeans的评价指标
kmeans_score = metrics.silhouette_score(X, kmeans_pred)

# 计算DBSCAN的评价指标
dbscan_score = metrics.silhouette_score(X, dbscan_pred)

# 计算MeanShift的评价指标
ms_score = metrics.silhouette_score(X, ms_pred)