使用sklearn.datasets.samples_generator中的make_blobs()函数生成随机数据集

make_blobs()函数是一个数据生成器，可以用于生成具有多个聚类的随机数据集。下面是一个使用make_blobs()函数生成随机数据集的例子：

from sklearn.datasets.samples_generator import make_blobs
import matplotlib.pyplot as plt

# 生成随机数据集
X, y = make_blobs(n_samples=100, centers=3, n_features=2, random_state=0)

# 绘制数据集
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.show()

在上面的例子中，我们使用make_blobs()生成一个包含100个样本的数据集，每个样本有2个特征，并且有3个聚类中心。我们使用random_state参数设置随机种子，以确保每次运行生成的数据集是一致的。

生成的数据集X是一个二维数组，每一行代表一个样本，每一列代表一个特征。y是一个一维数组，代表每个样本所属的类别。

我们将生成的数据集用散点图进行了可视化，使用c参数指定了颜色，不同的类别使用不同的颜色进行区分。

除了n_samples、centers和n_features之外，make_blobs()函数还可以接受其他参数来调整生成的数据集的性质，例如cluster_std可以控制聚类的标准差，cluster_centers可以指定聚类中心的坐标等等。

make_blobs()函数的作用不仅仅是生成用于聚类的随机数据集，还可以用于生成用于分类、回归等其他机器学习任务的数据集。通过调整参数，可以生成不同特征、不同类别、具有不同分布特征的数据集，非常灵活和方便。