帮我用sklearn举个例子，要求添加注释

好的，我来举一个sklearn的例子。

sklearn是一个常用的Python机器学习库，其中包含多种机器学习算法和工具。下面以sklearn中的KMeans聚类算法为例，演示如何使用sklearn实现聚类。

首先，我们需要导入必要的库和数据集：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs

# 生成数据集
X, y = make_blobs(n_samples=1000, centers=4, random_state=42)

这里使用了`make_blobs`函数生成了一个四类数据集，其中`X`是样本特征向量，`y`是样本标签。接下来，我们可以使用`KMeans`类来对数据进行聚类：

# 初始化KMeans算法
kmeans = KMeans(n_clusters=4)

# 对数据进行聚类
pred = kmeans.fit_predict(X)

这里我们初始化了一个`KMeans`算法对象，将聚类数设置为4，然后使用`fit_predict`方法对数据进行聚类。`pred`是一个一维数组，表示每个样本所属的簇。

最后，我们可以将聚类结果可视化：

# 将聚类结果可视化
plt.scatter(X[:, 0], X[:, 1], c=pred)
plt.show()

这里使用`scatter`函数绘制散点图，将每个样本按照其所属簇的标签用不同的颜色进行区分，从而可视化聚类结果。

以上就是一个简单的sklearn聚类示例，通过使用sklearn提供的聚类算法，我们可以方便地对数据进行聚类分析。