一，原理介绍

sklearn.datasets.make_swiss_roll（）函数提供了三维瑞士卷的数据集，我们可以利用他来生成瑞士卷，该函数的用法见sklearn官方文档：官网文档：sklearn.datasets.make_swiss_roll（）用法

make_swiss_roll(n_samples=100, *, noise=0.0, random_state=None, hole=False)

函数有三个参数：

n_samples:int，默认值 = 100,是Swiss Roll 上的采样点数。

noise ：float, 默认值=0.0，是高斯噪声的标准偏差。

random_state：int，RandomState 实例或 None，默认值 = 无，确定数据集创建的随机数生成。传递一个 int 用于跨多个函数调用的可重现输出。

hole：bool, 默认值=False

二，代码详解

# swiss roil
from sklearn.datasets import make_swiss_roll
import matplotlib.pyplot as plt 

导入Scikit-Learn库中的make_swiss_roll函数，该函数用于生成一个瑞士卷数据集。

X,labels = make_swiss_roll(1000,noise=0.05)

调用make_swiss_roll函数生成一个包含1000个样本的三维数据集，其中noise=0.05表示在生成数据时引入了一些噪声。生成的数据包括X（特征矩阵）和labels（标签），X包含了每个样本的三维坐标。下面是设置的噪声分别为noise=0.05，0.1，0.2，0.5时的图像。

fig = plt.figure()

make_swiss_roll(1000, noise=0.05)：生成包含 1000 个样本的瑞士卷数据集，并引入少量噪声

ax = fig.add_subplot(111,projection = "3d",elev=7,azim=-80)
ax.set_position([0,0,0.95,1])

• ax：表示图中的 3D 子图。
• 111：表示 1x1 网格（行、列、索引）中的单个子图。
• projection="3d"：指定 3D 绘图。
• elev=7, azim=-80：设置仰角和方位角以控制视图。
• set_position：调整图中子图的位置。

ax.scatter(X[:, 0], X[:, 1], X[:, 2], c=labels, edgecolor='k', cmap=plt.cm.cool)

• scatter：绘制 3D 散点图。
• X[:, 0], X[:, 1], X[:, 2]：3D 空间中点的坐标。
• c=labels：根据标签为点着色。
• edgecolor='k'：将边缘颜色设置为黑色。
• cmap=plt.cm.cool：指定用于为点着色的颜色图。

三，完整代码
 

# swiss roil
from sklearn.datasets import make_swiss_roll
import matplotlib.pyplot as plt 
X,labels = make_swiss_roll(1000,noise=0.05)
fig = plt.figure()
ax = fig.add_subplot(111,projection = "3d",elev=7,azim=-80)
ax.set_position([0,0,0.95,1])
ax.scatter(X[:,0],X[:,1],X[:,2],c=labels,edgecolor='k',cmap=plt.cm.cool)
plt.show()