写一份有关 基于机器学习与真实体检数据的糖尿病预测python代码，代码包括数据清洗、数据可视化，建立多种模型，训练模型以及得出的训练结果进行对比得出最优的训练模型。数据集特征有：性别、年龄、高密度脂蛋白胆固醇、低密度脂蛋白胆固醇、极低密度脂蛋白胆固醇、甘油三酯、总胆固醇、脉搏、舒张压、高血压史、尿素氮、尿酸、体重检查结果和是否糖尿病

下面是一个基于机器学习和真实体检数据的糖尿病预测的Python代码示例，包括数据清洗、数据可视化、建立多种模型、训练模型以及对比结果选择最优模型。我们将使用随机森林、支持向量机和逻辑回归三种模型进行比较。

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

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

# 数据清洗
data = data.dropna()  # 删除缺失值
data = data.drop_duplicates()  # 删除重复值

# 数据可视化
plt.figure(figsize=(10, 6))
data['是否糖尿病'].value_counts().plot(kind='bar')
plt.title('糖尿病分布')
plt.xlabel('是否糖尿病')
plt.ylabel('人数')
plt.show()

# 特征选择
features = ['性别', '年龄', '高密度脂蛋白胆固醇', '低密度脂蛋白胆固醇', '极低密度脂蛋白胆固醇', '甘油三酯', '总胆固醇', '脉搏',
            '舒张压', '高血压史', '尿素氮', '尿酸', '体重检查结果']
target = '是否糖尿病'

X = data[features]
y = data[target]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 建立模型并训练
models = {
    'Random Forest': RandomForestClassifier(),
    'Support Vector Machine': SVC(),
    'Logistic Regression': LogisticRegression()
}

results = {}

for model_name, model in models.items():
    model.fit(X_train, y_train)
    y_pred = model.predict(X_test)
    accuracy = accuracy_score(y_test, y_pred)
    results[model_name] = accuracy
    print(f'{model_name}准确率：{accuracy}')

# 对比结果并选择最优模型
best_model = max(results, key=results.get)
print(f'最优模型：{best_model}')

在这段代码中，我们首先读取数据集，并进行了简单的数据清洗，包括删除缺失值和重复值。然后我们使用柱状图可视化了糖尿病分布情况，以了解数据的整体情况。

接下来，我们选择了特征和目标变量，并进行了数据集的划分。然后我们建立了三种模型：随机森林(Random Forest)、支持向量机(Support Vector Machine)和逻辑回归(Logistic Regression)，并在测试集上进行了训练和预测，计算了准确率。

最后，我们对比了三种模型的准确率，并选择准确率最高的模型作为最优模型。

请根据你的数据集和需求适当调整代码中的特征、目标变量、模型和参数等部分。