数据集概述
该数据集基于糖尿病患者临床数据构建，原始包含七百二十九例患者及三十九项临床变量，经处理后保留十八项数值型指标。通过层次聚类与因子分析，实现患者和变量的相似性分组，旨在辅助评估患者健康状态及特定指标在分组中的作用，同时提供三维分类Python工具。
文件详解
- 数据文件:
- Data_diabet_set_729_3D_plot.csv: CSV格式，包含患者ID、姓名、LEU（白细胞）、HDL（高密度脂蛋白）、BMI（体重指数）、Cluster（聚类类别）、Cluster distance（聚类距离）等字段。
- 可视化结果文件:
- Data_20220608_result_plot_2D_projections_per_class.png: PNG格式，按类别划分的二维投影结果图。
- Data_20220608_result_plot_3D_and_2D_projections.png: PNG格式，三维聚类及二维投影结果图。
- 代码文件:
- plot-3D-cluster_Data_20220608.py: Python代码文件，用于生成三维聚类可视化结果。
适用场景
- 糖尿病临床研究: 分析患者临床指标与聚类分组的关联，评估健康状态。
- 医学数据挖掘: 探索层次聚类、因子分析在临床变量分组中的应用效果。
- 可视化工具开发: 参考三维分类Python工具的实现逻辑，构建医学数据可视化系统。
- 生物标志物研究: 识别对患者聚类模式形成有显著作用的临床指标。
