Прогнозиране на статуса на пациента - Симулация OJIA 2

🏥 Проблем: Анализ и прогнозиране на състоянието на пациента

За този проблем трябва да имплементирате модел за машинно обучение, за да прогнозирате стойността на полето Status, използвайки наличен набор от данни, който съдържа информация за пациенти. Наборът от данни е организиран в CSV файл, който включва различни характеристики (features), а оценката на модела ще се прави въз основа на прецизността за класа Dead.

📊 Наборът от данни

Наборът от данни съдържа следните полета:

• Age: Възрастта на пациента.
• Race: Расата на пациента (напр.: White, Other).
• Marital Status: Семейното положение на пациента.
• T Stage: Стадият на тумора (T1, T2, T3, T4).
• N Stage: Степента на засягане на лимфните възли.
• 6th Stage: Стадият на рака според TNM класификацията на шестото издание.
• differentiate: Степента на туморна диференциация.
• Grade: Хистологичната степен на тумора (1, 2, 3 и т.н.).
• A Stage: Класификацията на стадия на болестта.
• Tumor Size: Размерът на тумора.
• BMI: Индексът на телесната маса.
• Heart Rate: Сърдечният ритъм.
• Serum Creatinine: Серумното ниво на креатинин.
• Uric Acid: Нивото на пикочната киселина.
• Hemoglobin: Концентрацията на хемоглобин.
• GFR (Glomerular Filtration Rate): Скоростта на гломерулна филтрация.
• Serum Sodium: Концентрацията на серумен натрий.
• Serum Potassium: Концентрацията на серумен калий.
• Serum Albumin: Нивото на серумен албумин.
• Lactate: Концентрацията на лактат.
• Status: Състоянието на пациента („Dead" или „Alive") – целевото поле.

📝 Задачи

За първите подзадачи ще трябва да заредите набора от данни и да извършите статистически анализи върху train.csv.

Подзадача 1 (10 точки)

Класифицирайте бъбречната функция за всеки пациент въз основа на стойността на GFR:

• Normal ако GFR >= 90
• Mildly Decreased ако 60 <= GFR < 90

Подзадача 2 (10 точки)

Изчислете квартилите на стойностите от колоната Serum Creatinine (Q1, Q2, Q3) и класифицирайте пациентите в теста:

• Very Low ако Serum Creatinine <= Q1
• Low ако Q1 < Serum Creatinine <= Q2
• High ако Q2 < Serum Creatinine <= Q3
• Very High ако Serum Creatinine > Q3

Подзадача 3 (10 точки)

Определяне на стойността на BMI:

• 1 ако BMI > медианата от train
• 0 ако BMI <= медианата

Подзадача 4 (10 точки)

Броят на пациентите от train, които се намират в същия T Stage като пациента от теста.

Подзадача 5 (60 точки)

Постройте ML модел за прогнозиране на Status (Dead или Alive) в зависимост от характеристиките. Оценката се прави въз основа на прецизността за класа Dead.

🧮 Оценка

Метриката за оценка е прецизността за класа Dead:

където:

• TP = броят на пациентите правилно прогнозирани като Dead
• FP = броят на пациентите прогнозирани като Dead неправилно

Формат на файла за подаване

Файлът за подаване трябва да бъде във формат CSV (Comma-Separated Values), със следните колони:

• subtaskID - индексът на задачата, за която предоставяме отговора
• datapointID - уникалният идентификатор на пациента от набора от данни
• answer - отговорът, свързан с пациента от набора от данни за указаната задача

Пример:

1subtaskID,datapointID,answer21,3220,Normal32,3220,Very High43,3220,054,3220,128165,3220,1

📌 Бележки

• Целевото поле е Status.
• Някои полета могат да съдържат липсващи стойности (NaN) и трябва да бъдат обработени.
• Препоръчва се анализ на корелацията между променливите и целевата променлива.
• Открийте и премахнете екстремни стойности, ако влияят на производителността на модела.
• Изпращането на sample_output за локално тестване дава 5 точки.

🗂️ Полезни ресурси

• Пълен Starter Kit – съдържа скелет, от който можете да започнете решаването на проблема