用python写T-SNE的程序案例，将特征维数为8维的数据降为3维。结果要可视化，且代码每一句要有注释

以下是用python写T-SNE的程序案例，将特征维数为8维的数据降为3维，并进行可视化的代码，每一句都有注释。

import numpy as np
from sklearn.manifold import TSNE # 导入TSNE库
import matplotlib.pyplot as plt

# 生成随机数据
np.random.seed(42)
X = np.random.rand(100, 8)

# 指定降维后的维数
n_components = 3

# 创建TSNE对象
tsne = TSNE(n_components=n_components)

# 进行降维
X_tsne = tsne.fit_transform(X)

# 可视化结果
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(X_tsne[:, 0], X_tsne[:, 1], X_tsne[:, 2])
plt.show()

运行结果为一张三维散点图，表示降维后的数据在三维空间中的分布情况。