Diagnosi del diabete basata sulle analisi del sangue

🩺 Diagnosi del diabete basata su analisi del sangue

Descrizione del problema

Si desidera costruire un modello di classificazione che predica se un paziente ha il diabete basandosi su analisi del sangue e dati demografici.

Ogni paziente è caratterizzato da 8 attributi numerici ottenuti da analisi e misurazioni cliniche, mentre l'etichetta (target) indica la presenza del diabete (1 per positivo, 0 per negativo).

Questo tipo di problema appartiene alla categoria di classificazione binaria (binary classification).

---

🔹 Caratteristiche (features)

• pregnancies – numero di gravidanze
• glucose – livello di glucosio nel sangue
• blood_pressure – pressione arteriosa
• skin_thickness – spessore della plica cutanea
• insulin – livello di insulina
• bmi – indice di massa corporea
• diabetes_pedigree_function – punteggio genetico di rischio
• age – età del paziente

---

📘 Struttura dei file di input

train.csv

Contiene tutte le 8 colonne di features più la colonna:

• target – indica la presenza del diabete (0 o 1)

Esempio:

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

Contiene le stesse colonne senza target, ma include SampleID.

Esempio:

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

---

📤 Sottomissione

Il file di output (submission.csv) deve contenere esattamente due colonne:

• SampleID
• label – etichetta predetta dal modello (0 o 1)

Esempio:

SampleID	label
1	1
2	0
3	0

---

⚙️ Valutazione

La valutazione dei modelli verrà effettuata utilizzando la seguente metrica:

• F1-score binario (binary F1)

Questa metrica è adatta per la classificazione binaria, poiché accorda uguale importanza alla correttezza delle predizioni per entrambe le classi.

Formula generale:

dove:

• 
• 

Il punteggio finale si esprime come percentuale (0–100), arrotondato a due decimali.

---

📊 Fonte

Il dataset proviene dalla collezione originale:
Pima Indians Diabetes Database – Kaggle