Diabeedi diagnoosimine vereanalüüside põhjal

🩺 Diabeedi diagnoosimine vereanalüüside põhjal

Probleemi kirjeldus

Soovitakse ehitada klassifitseerimismudel, mis ennustab, kas patsiendil on diabeet vereanalüüside ja demograafiliste andmete põhjal.

Iga patsienti iseloomustavad 8 numbrilist atribuuti, mis on saadud analüüsidest ja kliinilistest mõõtmistest, ning silt (target) näitab diabeedi olemasolu (1 positiivse, 0 negatiivse korral).

Seda tüüpi probleem kuulub binaarse klassifitseerimise (binary classification) kategooriasse.

---

🔹 Tunnused (features)

• pregnancies – raskuste arv
• glucose – glükoositase veres
• blood_pressure – vererõhk
• skin_thickness – nahavoldi paksus
• insulin – insuliinitase
• bmi – kehamassiindeks
• diabetes_pedigree_function – geneetiline riskiskoor
• age – patsiendi vanus

---

📘 Sisendifailide struktuur

train.csv

Sisaldab kõiki 8 features veergu pluss veerg:

• target – näitab diabeedi olemasolu (0 või 1)

Näide:

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

Sisaldab samu veerge ilma target-ita, kuid sisaldab SampleID-d.

Näide:

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

---

📤 Esitamine

Väljundfail (submission.csv) peab sisaldama täpselt kahte veergu:

• SampleID
• label – mudeli ennustatud silt (0 või 1)

Näide:

SampleID	label
1	1
2	0
3	0

---

⚙️ Hindamine

Mudelite hindamine toimub järgmise mõõdiku abil:

• Binaarne F1-skoor (binary F1)

See mõõdik sobib binaarseks klassifitseerimiseks, kuna annab võrdse tähtsuse mõlema klassi ennustuste õigsusele.

Üldine valem:

kus:

• 
• 

Lõplik skoor väljendatakse protsendina (0–100), ümardatuna kahe kümnendkohani.

---

📊 Allikas

Andmestik pärineb originaalkollektsioonist:
Pima Indians Diabetes Database – Kaggle