给我一个 TSNE降到三维可视化的案例

你可以参考以下代码，使用Python中的Scikit-learn库来实现TSNE降维后的三维可视化：

from sklearn.manifold import TSNE
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 读取数据
data = np.loadtxt("data.txt")
X = data[:, :-1]
y = data[:, -1]

# 进行TSNE降维，降到3维
model = TSNE(n_components=3, random_state=0)
X_3d = model.fit_transform(X)

# 可视化
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(X_3d[:,0], X_3d[:,1], X_3d[:,2], c=y)
plt.show()

其中，`data.txt`是数据文件，包含了许多样本数据，每个样本有多个特征和一个标签。`TSNE`将这些样本的高维特征降到了3维，然后在三维空间中绘制出来，可视化效果非常好。