Lassen Sie uns die Effizienz des Algorithmus bei verschiedenen Arten von Clustern überprüfen. Jetzt werden wir die drei eingebauten Datensätze der sklearn-Bibliothek verwenden und versuchen, den K-means-Algorithmus zu verwenden, um die entsprechenden Punkte zu clustern. Wir werden Visualisierungen bereitstellen und versuchen, die Qualität der Clusterbildung anhand dieser Visualisierungen zu schätzen.

Ihre Aufgabe ist es, den K-means-Clusteralgorithmus zu verwenden und 3 verschiedene Clusterprobleme zu lösen. Vergleichen Sie die Ergebnisse und ziehen Sie Schlussfolgerungen über die Clusterqualität. Sie müssen:

1. Die KMeans-Klasse aus dem cluster-Modul für den Import verwenden.
2. Die KMeans-Klasse verwenden, um ein Klassenobjekt zu instanziieren
3. Die .fit()-Methode verwenden, um das Modell zu trainieren.
4. Das .labels_-Attribut verwenden, um angepasste Cluster zu extrahieren.

_{Sobald Sie diese Aufgabe abgeschlossen haben, klicken Sie auf die Aufgabe einreichen Schaltfläche unter dem Code, um Ihre Lösung zu überprüfen.}