Kaggle糖尿病数据集进行聚类分析，Kmeans、肘部法则、间隔轮廓法、平均轮廓法，K值的可视化，将结果可视化，将聚类结果可视化python代码

好的，以下是对 Kaggle 糖尿病数据集进行 KMeans 聚类分析的 Python 代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
from yellowbrick.cluster import KElbowVisualizer, SilhouetteVisualizer

# 读取数据集
data = pd.read_csv('diabetes.csv')

# 特征选择
X = data.iloc[:, :8]

# 肘部法则
model = KMeans(random_state=42)
visualizer = KElbowVisualizer(model, k=(2, 10), metric='distortion')
visualizer.fit(X)
visualizer.show()

# 间隔轮廓法
model = KMeans(random_state=42)
visualizer = SilhouetteVisualizer(model, k=(2, 10))
visualizer.fit(X)
visualizer.show()

# 平均轮廓法
scores = []
for k in range(2, 11):
    model = KMeans(n_clusters=k, random_state=42)
    score = silhouette_score(X, model.fit_predict(X))
    scores.append(score)
plt.plot(range(2, 11), scores)
plt.xlabel('Number of Clusters')
plt.ylabel('Silhouette Score')
plt.show()

# KMeans 聚类
model = KMeans(n_clusters=3, random_state=42)
y_pred = model.fit_predict(X)

# 可视化聚类结果
plt.scatter(X.iloc[:, 0], X.iloc[:, 1], c=y_pred)
plt.xlabel('Glucose')
plt.ylabel('BloodPressure')
plt.show()

其中，肘部法则使用了 `KElbowVisualizer`，间隔轮廓法使用了 `SilhouetteVisualizer`，平均轮廓法手动计算了轮廓系数并绘制了可视化图表。最后使用 KMeans 聚类算法将数据集聚为 3 类，并将聚类结果可视化。