Matplotlib是一个用于绘制图形的Python库，而scikit-learn是一个用于机器学习的Python库。你可以使用Matplotlib来可视化scikit-learn中的数据和模型。
下面是一个简单的例子，展示如何使用Matplotlib和scikit-learn一起工作：
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.cluster import KMeans
# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 使用KMeans算法进行聚类
kmeans = KMeans(n_clusters=3)
kmeans.fit(X)
y_kmeans = kmeans.predict(X)
# 将聚类结果可视化
plt.scatter(X[:, 0], X[:, 1], c=y_kmeans, cmap='viridis')
centers = kmeans.cluster_centers_
plt.scatter(centers[:, 0], centers[:, 1], c='red', s=200, alpha=0.5)
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.show()
在这个例子中，我们首先加载了鸢尾花数据集，并使用KMeans算法将数据分为3个簇。然后，我们使用Matplotlib绘制了数据点和聚类中心点的散点图，以可视化聚类结果。
通过结合使用Matplotlib和scikit-learn，你可以更好地理解和展示机器学习模型的结果。你可以根据需要来调整图形的样式和参数，以获得更好的可视化效果。
