``` # 结果可视化（可视化数字样本的分布） def plot_digits(images, labels, predictions): fig, ax = plt.subplots(3, 10, figsize=(10, ```

【续写代码】：

# 结果可视化（可视化数字样本的分布）
def plot_digits(images, labels, predictions):
    fig, ax = plt.subplots(3, 10, figsize=(10, 4))
    for i in range(3):
        for j in range(10):
            index = i * 10 + j
            ax[i][j].imshow(images[index].reshape(28, 28), cmap='gray')
            ax[i][j].set_title(f'Label: {labels[index]} | Predicted: {predictions[index]}')
            ax[i][j].axis('off')  # 关闭坐标轴
    plt.tight_layout()  # 紧凑排列子图
    plt.show()

# 将聚类结果与真实标签对比可视化
plot_digits(test_data.reshape(-1, 28*28), test_labels, test_cluster_labels)

这个函数`plot_digits`用于可视化测试集中的一些数字样本及其实际标签和预测标签。它创建了一个3行10列的小图像网格，每格展示一个数字图像，旁边显示对应的原始标签和预测的聚类标签。这样可以直观地看到模型在未经过任何监督学习的情况下聚类效果如何，以及是否存在错误分类的情况。