clearvars
close all
clc
%%
load creatinina
%%
% Numero di cluster desiderato
meanSilhouette=zeros(30,1);

conta=1;
for k=3:30

% Applicazione dell'algoritmo k-means
[idx, centroids] = kmeans(data, k, 'Replicates', 10, 'Distance', 'sqeuclidean');

% Visualizzazione dei risultati
disp('Assegnazione dei punti ai cluster:');
disp(idx);

disp('Centroidi dei cluster:');
disp(centroids);

% Calcolo del silhouette score
silhouetteValues = silhouette(data, idx, 'Euclidean');

% Visualizzazione del silhouette score
figure;
silhouette(data, idx, 'Euclidean');
title('Silhouette Score per ogni punto');
xlabel('Silhouette Value');
ylabel('Cluster');

% Media del silhouette score
meanSilhouette(k) = mean(silhouetteValues);
%valk(conta)=k;
%conta=conta+1;
disp('Silhouette medio:');
disp(meanSilhouette);

end
close all

figure, stem(meanSilhouette)

indice=find(meanSilhouette==max(meanSilhouette))

k=indice;

%kmeans finale
[idx_f, centroids_f] = kmeans(data, k, 'Replicates', 10, 'Distance', 'sqeuclidean');


figure;
silhouette(data, idx_f, 'Euclidean');
title('Silhouette Score per ogni punto');
xlabel('Silhouette Value');
ylabel('Cluster');