אבחון סוכרת על בסיס בדיקות דם

🩺 אבחון סוכרת על בסיס בדיקות דם

תיאור הבעיה

מטרת הבעיה היא בניית מודל סיווג שיחזה האם למטופל יש סוכרת על בסיס בדיקות דם ונתונים דמוגרפיים.

כל מטופל מאופיין על ידי 8 תכונות מספריות המתקבלות מבדיקות ומדידות קליניות, והתווית (target) מציינת נוכחות סוכרת (1 עבור חיובי, 0 עבור שלילי).

סוג זה של בעיה שייך לקטגוריה של סיווג בינארי (binary classification).

---

🔹 תכונות (features)

• pregnancies – מספר הריונות
• glucose – רמת הגלוקוז בדם
• blood_pressure – לחץ דם
• skin_thickness – עובי קפל העור
• insulin – רמת האינסולין
• bmi – מדד מסת הגוף
• diabetes_pedigree_function – ציון הסיכון הגנטי
• age – גיל המטופל

---

📘 מבנה קבצי הקלט

train.csv

מכיל את כל 8 עמודות הfeatures בתוספת העמודה:

• target – מציינת נוכחות סוכרת (0 או 1)

דוגמה:

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

מכיל את אותן עמודות ללא target, אך כולל SampleID.

דוגמה:

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

---

📤 ההגשה

קובץ הפלט (submission.csv) חייב להכיל בדיוק שתי עמודות:

• SampleID
• label – התווית שחזה המודל (0 או 1)

דוגמה:

SampleID	label
1	1
2	0
3	0

---

⚙️ הערכה

הערכת המודלים תתבצע באמצעות המטריקה הבאה:

• F1-score בינארי (binary F1)

מטריקה זו מתאימה לסיווג בינארי, מכיוון שהיא נותנת חשיבות שווה לנכונות החיזויים עבור שתי הקטגוריות.

הנוסחה הכללית:

כאשר:

• 
• 

הציון הסופי מובע כאחוז (0–100), מעוגל לשני מקומות עשרוניים.

---

📊 מקור

מערך הנתונים מגיע מהאוסף המקורי:
Pima Indians Diabetes Database – Kaggle