Matplotlib是一個用于繪制圖形的Python庫，而scikit-learn是一個用于機器學習的Python庫。你可以使用Matplotlib來可視化scikit-learn中的數據和模型。
下面是一個簡單的例子，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
# 加載數據集
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 使用KMeans算法進行聚類
kmeans = KMeans(n_clusters=3)
kmeans.fit(X)
y_kmeans = kmeans.predict(X)
# 將聚類結果可視化
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()
在這個例子中，我們首先加載了鳶尾花數據集，并使用KMeans算法將數據分為3個簇。然后，我們使用Matplotlib繪制了數據點和聚類中心點的散點圖，以可視化聚類結果。
通過結合使用Matplotlib和scikit-learn，你可以更好地理解和展示機器學習模型的結果。你可以根據需要來調整圖形的樣式和參數，以獲得更好的可視化效果。
