BSCAN 在糖尿病患者数据聚类分析中的应用

完整代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import DBSCAN
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import make_blobs

# 设置随机种子，确保结果可复现
np.random.seed(42)

# 1. 生成模拟的糖尿病患者数据
# 假设存在3种不同亚型的糖尿病患者
# 每个患者有3个特征：血糖水平、胰岛素水平、BMI
centers = [
    [150, 8, 28],   # 亚型1：高血糖、中等胰岛素、高BMI（胰岛素抵抗型）
    [200, 4, 24],   # 亚型2：非常高血糖、低胰岛素、正常BMI（胰岛素分泌不足型）
    [120, 15, 32]   # 亚型3：中等血糖、高胰岛素、超高BMI（代谢综合征型）
]

# 生成150个患者数据点，分为3个簇（亚型），并添加一些随机噪声
X, true_labels = make_blobs(n_samples=150, centers=centers, cluster_std=15, random_state=42)

# 添加一些异常点（模拟罕见病例）
outliers = np.array([
    [300, 20, 18],  # 异常高血糖、高胰岛素、低BMI（可能是特殊基因突变）
    [80, 5, 25],    # 低血糖、低胰岛素、正常BMI（可能是测量误差或其他疾病）
    [180, 10, 19]   # 中等血糖、中等胰岛素、低BMI
])

# 合并正常数据和异常点
X = np.vstack([X, outliers])

# 2. 数据预处理：标准化特征，确保各特征权重相等
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 3. 使用DBSCAN进行聚类
# 参数说明：
# eps=0.5：邻域半径（默认单位是标准化后的距离）
# min_samples=5：形成核心点所需的最小样本数
dbscan = DBSCAN(eps=0.5, min_samples=5)
clusters = dbscan.fit_predict(X_scaled)

# 4. 可视化聚类结果
plt.figure(figsize=(12, 10))

# 绘制3D散点图，展示三个特征维度
ax = plt.subplot(111, projection='3d')

# 为每个聚类分配不同颜色，噪声点为灰色
unique_labels = set(clusters)
colors = [plt.cm.Spectral(each) for each in np.linspace(0, 1, len(unique_labels))]

for k, col in zip(unique_labels, colors):
    if k == -1:  # 噪声点（异常值）用灰色表示
        col = [0, 0, 0, 1]  # 黑色
    
    class_mask = (clusters == k)
    ax.scatter(X[class_mask, 0], X[class_mask, 1], X[class_mask, 2], 
               c=[col], marker='o', s=100, label=f'Cluster {k}')

ax.set_xlabel('血糖水平')
ax.set_ylabel('胰岛素水平')
ax.set_zlabel('BMI')
plt.title('DBSCAN自动识别的糖尿病患者亚型')
plt.legend()
plt.grid(True)
plt.show()

# 5. 输出聚类统计信息
cluster_stats = {}
for label in np.unique(clusters):
    cluster_points = X[clusters == label]
    if label == -1:
        print(f"噪声点（异常患者）: {len(cluster_points)}例")
        print(f"特征均值: 血糖={np.mean(cluster_points[:,0]):.2f}, 胰岛素={np.mean(cluster_points[:,1]):.2f}, BMI={np.mean(cluster_points[:,2]):.2f}")
    else:
        print(f"\n亚型 {label+1}: {len(cluster_points)}例患者")
        print(f"特征均值: 血糖={np.mean(cluster_points[:,0]):.2f}, 胰岛素={np.mean(cluster_points[:,1]):.2f}, BMI={np.mean(cluster_points[:,2]):.2f}")

这段代码实现了使用 DBSCAN 算法对糖尿病患者数据进行聚类分析，以识别不同的患者亚型和异常病例。以下是代码的详细解释：

1. 导入必要的库

import numpy as np import matplotlib.pyplot as plt from sklearn.cluster import DBSCAN from sklearn.preprocessing import StandardScaler from sklearn.datasets import make_blobs

1. numpy：用于数值计算。
2. matplotlib.pyplot：用于数据可视化。
3. sklearn.cluster.DBSCAN：用于执行 DBSCAN 聚类算法。
4. sklearn.preprocessing.StandardScaler：用于数据标准化。
5. sklearn.datasets.make_blobs：用于生成模拟数据。

2. 设置随机种子

np.random.seed(42)

1. 设置随机种子以确保结果的可重复性。

3. 生成模拟的糖尿病患者数据

centers = [     [150, 8, 28],   # 亚型1：高血糖、中等胰岛素、高BMI（胰岛素抵抗型）     [200, 4, 24],   # 亚型2：非常高血糖、低胰岛素、正常BMI（胰岛素分泌不足型）     [120, 15, 32]   # 亚型3：中等血糖、高胰岛素、超高BMI（代谢综合征型） ] X, true_labels = make_blobs(n_samples=150, centers=centers, cluster_std=15, random_state=42)

1. centers：定义了三种不同亚型糖尿病患者的中心特征值。
2. make_blobs：生成 150 个患者数据点，分为 3 个簇（亚型），并添加一些随机噪声。

4. 添加异常点

outliers = np.array([     [300, 20, 18],  # 异常高血糖、高胰岛素、低BMI（可能是特殊基因突变）     [80, 5, 25],    # 低血糖、低胰岛素、正常BMI（可能是测量误差或其他疾病）     [180, 10, 19]   # 中等血糖、中等胰岛素、低BMI ]) X = np.vstack([X, outliers])

1. outliers：定义了三个异常点，模拟罕见病例或测量误差。
2. np.vstack：将正常数据和异常点合并。

5. 数据预处理

scaler = StandardScaler() X_scaled = scaler.fit_transform(X)

1. StandardScaler：标准化特征，确保各特征权重相等。
2. fit_transform：对数据进行标准化处理。

6. 使用 DBSCAN 进行聚类

dbscan = DBSCAN(eps=0.5, min_samples=5) clusters = dbscan.fit_predict(X_scaled)

1. eps=0.5：邻域半径，定义点与点之间的距离阈值。
2. min_samples=5：形成核心点所需的最小样本数。
3. fit_predict：对数据进行聚类并返回聚类标签。

7. 可视化聚类结果

plt.figure(figsize=(12, 10)) ax = plt.subplot(111, projection='3d') unique_labels = set(clusters) colors = [plt.cm.Spectral(each) for each in np.linspace(0, 1, len(unique_labels))] for k, col in zip(unique_labels, colors):     if k == -1:         col = [0, 0, 0, 1]  # 黑色表示噪声点          class_mask = (clusters == k)     ax.scatter(X[class_mask, 0], X[class_mask, 1], X[class_mask, 2],                 c=[col], marker='o', s=100, label=f'Cluster {k}') ax.set_xlabel('血糖水平') ax.set_ylabel('胰岛素水平') ax.set_zlabel('BMI') plt.title('DBSCAN自动识别的糖尿病患者亚型') plt.legend() plt.grid(True) plt.show()

1. 创建一个 3D 散点图来展示聚类结果。
2. 不同颜色的点代表不同的聚类（患者亚型），黑色点代表噪声点（异常患者）。

8. 输出聚类统计信息

cluster_stats = {} for label in np.unique(clusters):     cluster_points = X[clusters == label]     if label == -1:         print(f"噪声点（异常患者）: {len(cluster_points)}例")         print(f"特征均值: 血糖={np.mean(cluster_points[:,0]):.2f}, 胰岛素={np.mean(cluster_points[:,1]):.2f}, BMI={np.mean(cluster_points[:,2]):.2f}")     else:         print(f"\n亚型 {label+1}: {len(cluster_points)}例患者")         print(f"特征均值: 血糖={np.mean(cluster_points[:,0]):.2f}, 胰岛素={np.mean(cluster_points[:,1]):.2f}, BMI={np.mean(cluster_points[:,2]):.2f}")

1. 统计每个聚类的患者数量和特征均值。
2. 噪声点（标签为 - 1）代表异常患者，其他标签代表不同的患者亚型。

核心功能

1. 数据生成：模拟糖尿病患者数据，包括三种亚型和一些异常点。
2. 数据预处理：标准化特征，确保各特征权重相等。
3. 聚类分析：使用 DBSCAN 算法自动识别患者亚型和异常病例。
4. 结果可视化：通过 3D 散点图直观展示聚类结果。
5. 统计分析：输出每个聚类的患者数量和特征均值，帮助医生理解不同亚型的特征。

应用

1. 发现新亚型：自动识别隐藏的患者亚型，帮助医生发现新的疾病类型。
2. 异常检测：识别罕见病例或测量误差，提高诊断准确性。
3. 个性化治疗：根据不同亚型制定个性化治疗方案，提高治疗效果。

通过这段代码，我们可以看到 DBSCAN 在医疗数据聚类中的应用，它能够自动识别数据中的模式和异常。