Диагностициране на диабета въз основа на кръвни изследвания

🩺 Диагностициране на диабет въз основа на кръвни изследвания

Описание на проблема

Желае се изграждането на модел за класификация, който да предсказва дали пациент има диабет въз основа на кръвни изследвания и демографски данни.

Всеки пациент се характеризира чрез 8 числови атрибута, получени от анализи и клинични измервания, а етикетът (target) указва наличието на диабет (1 за положителен, 0 за отрицателен).

Този тип проблем принадлежи към категорията бинарна класификация (binary classification).

---

🔹 Характеристики (features)

• pregnancies – брой бременности
• glucose – ниво на глюкозата в кръвта
• blood_pressure – кръвно налягане
• skin_thickness – дебелина на кожната гънка
• insulin – ниво на инсулина
• bmi – индекс на телесната маса
• diabetes_pedigree_function – генетичен рисков скор
• age – възраст на пациента

---

📘 Структура на входните файлове

train.csv

Съдържа всичките 8 колони с features плюс колоната:

• target – указва наличието на диабет (0 или 1)

Пример:

SampleID	pregnancies	glucose	blood_pressure	skin_thickness	insulin	bmi	diabetes_pedigree_function	age	target
1	6	148	72	35	0	33.6	0.627	50	1
2	1	85	66	29	0	26.6	0.351	31	0

test.csv

Съдържа същите колони без target, но включва SampleID.

Пример:

SampleID	pregnancies	glucose	blood_pressure	skin_thickness	insulin	bmi	diabetes_pedigree_function	age
1	0	137	40	35	168	43.1	2.288	33
2	5	116	74	0	0	25.6	0.201	30

---

📤 Подаване

Изходният файл (submission.csv) трябва да съдържа точно две колони:

• SampleID
• label – предсказаният от модела етикет (0 или 1)

Пример:

SampleID	label
1	1
2	0
3	0

---

⚙️ Оценяване

Оценяването на моделите ще се извърши използвайки следната метрика:

• F1-score бинарен (binary F1)

Тази метрика е подходяща за бинарна класификация, тъй като отдава равна важност на правилността на предсказанията за двата класа.

Обща формула:

където:

• 
• 

Финалният резултат се изразява като процент (0–100), закръглен до два знака след десетичната запетая.

---

📊 Източник

Наборът от данни произлиза от оригиналната колекция:
Pima Indians Diabetes Database – Kaggle