数据： 随机生成10000个两个特征的样本，标记为0,1,2三类，聚类中心设置为center=[[1,1],[-1,-1],[1,-1]]，随机数据可视化如图所示。 任务： 1．生成样本 2．绘制散点

为了生成这样的数据集并进行可视化，我们可以按照以下步骤操作：

1. **生成样本**：
使用Python中的`numpy`库生成随机数据。我们将创建一个10000行2列的数据矩阵，其中每行代表一个样本，每个列代表一个特征。然后，我们根据给定的类别标签（0, 1, 2）分配样本到三个聚类中心。

import numpy as np

# 定义聚类中心
centers = [[1, 1], [-1, -1], [1, -1]]

# 生成随机数据
num_samples = 10000
features_per_sample = 2
labels = np.random.randint(0, len(centers), size=num_samples)
data = np.zeros((num_samples, features_per_sample))
for i in range(num_samples):
    data[i] = centers[labels[i]] + np.random.randn(features_per_sample) * 0.5

# 将标签转换为one-hot编码，如果需要
if len(np.unique(labels)) > 3:
    labels = pd.get_dummies(labels).values

2. **绘制散点图**：
我们可以使用matplotlib库来创建散点图，将样本按类别分别绘制，并用不同颜色表示各聚类。

import matplotlib.pyplot as plt

plt.scatter(data[:, 0], data[:, 1], c=labels, cmap='viridis')
plt.title('Randomly Generated Data with Three Clusters')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.show()