دیابت باعث مرگ و میر در افراد بیشتر در هر سال می‎شود که وضعیت سلامتی خود را زودتر تشخیص نمی‎دهند. در این تحقیق روش داده‎کاوی را برای تشخیص اولیه و پیش‎بینی دیابت با استفاده از پایگاه داده‎ای دیابت pima Indians معرفی می‎کنیم. اگر چه میانگین K ساده بوده و می‎توان برای انواع داده‎ها استفاده کرد ولی به وضعیت اولیه مراکز خوشه حساس است که نتیجه خوشه نهایی را تعیین می‎کند و مجموعه داده‎ای خوشه‎بندی شده کافی را برای مدل رگرسیون لوجستیک فراهم آورده و میزان داده‎ای اندکی را در نتیجه خوشه‎بندی نادرست مجموعه داده‎ای اولیه نتیجه داده و عملکرد مدل رگرسیون لوجستیک را کاهش می‎دهد. هدف ما تعیین روش‎های ارتقا نتایج درستی رگرسیون لوجستیک و خوشه‎بندی میانگین K می‎باشد. مدل شامل آنالیز مولفه اصلی PCA، میانگین K و الگوریتم رگرسیون لوجستیک است. نتایج آزمایش نشان می‎دهند که PCA الگوریتم خوشه‎بندی میانگین K و دقت دسته‎بندی‎کننده رگرسیون لوجستیک را در مقابل نتایج مطالعات دیگر با خروجی میانگین K با 25 داده دسته‎بندی شده درست و دقت و درستی رگرسیون لوجستیک 98/1% بالاتر ارتقاء می‎دهد. مدل برای پیش‎بینی دیابت با استفاده از داده‎های سلامت الکترونیک سودمند می‎باشد. آزمایش بیشتر با مجموعه داده‎ای جدید قابلیت اعمال پایگاه داده‎ای را برای پیش‎بینی دیابت نشان داد.