Қан талдауы негізінде диабетті диагностикалау

🩺 Қан талдауы негізінде диабетті диагностикалау

Мәселенің сипаттамасы

Қан талдауы және демографиялық деректер негізінде науқастың диабеті бар-жоғын болжайтын классификация моделін құру қажет.

Әр науқас клиникалық талдаулар мен өлшемдерден алынған 8 сандық атрибутпен сипатталады, ал белгі (target) диабеттің болуын көрсетеді (1 оң үшін, 0 теріс үшін).

Бұл мәселе түрі екілік классификация (binary classification) санатына жатады.

---

🔹 Сипаттамалар (features)

• pregnancies – жүктіліктер саны
• glucose – қандағы глюкоза деңгейі
• blood_pressure – артериялық қысым
• skin_thickness – тері бүктемесінің қалыңдығы
• insulin – инсулин деңгейі
• bmi – дене салмағы индексі
• diabetes_pedigree_function – генетикалық тәуекел ұпайы
• age – науқастың жасы

---

📘 Кіріс файлдарының құрылымы

train.csv

Барлық 8 features бағанасы плюс баған:

• target – диабеттің болуын көрсетеді (0 немесе 1)

Мысал:

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

target-сыз сол бағандарды қамтиды, бірақ SampleID қосылған.

Мысал:

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

---

📤 Тапсыру

Шығыс файлы (submission.csv) дәл екі баған қамтуы керек:

• SampleID
• label – модель болжаған белгі (0 немесе 1)

Мысал:

SampleID	label
1	1
2	0
3	0

---

⚙️ Бағалау

Модельдерді бағалау келесі метрика арқылы жүзеге асырылады:

• Екілік F1-ұпай (binary F1)

Бұл метрика екілік классификация үшін қолайлы, өйткені екі класс үшін де болжамдардың дұрыстығына тең маңыз береді.

Жалпы формула:

мұндағы:

• 
• 

Соңғы ұпай пайыз ретінде (0–100) көрсетіледі, екі ондық разрядқа дейін дөңгелектенеді.

---

📊 Дереккөз

Деректер жиынтығы түпнұсқа жинақтан алынған:
Pima Indians Diabetes Database – Kaggle