Науқастың жай-күйін болжау - OJIA 2 симуляциясы

🏥 Мәселе: Науқастың жағдайын талдау және болжау

Бұл мәселе үшін сіз қолжетімді деректер жинағын пайдаланып Status өрісінің мәнін болжау үшін машиналық оқыту моделін іске асыруыңыз керек, ол науқастар туралы ақпаратты қамтиды. Деректер жинағы әртүрлі сипаттамаларды (features) қамтитын CSV файлында ұйымдастырылған, ал модельді бағалау Dead класы үшін дәлдік негізінде жүргізіледі.

📊 Деректер жинағы

Деректер жинағы келесі өрістерді қамтиды:

• Age: Науқастың жасы.
• Race: Науқастың нәсілі (мысалы: White, Other).
• Marital Status: Науқастың некелік жағдайы.
• T Stage: Ісіктің сатысы (T1, T2, T3, T4).
• N Stage: Лимфа түйіндерінің зақымдану дәрежесі.
• 6th Stage: 6-шы басылымның TNM жіктемесі бойынша қатерлі ісіктің сатысы.
• differentiate: Ісіктің дифференциация дәрежесі.
• Grade: Ісіктің гистологиялық дәрежесі (1, 2, 3 т.б.).
• A Stage: Ауру сатысының жіктемесі.
• Tumor Size: Ісіктің өлшемі.
• BMI: Дене салмағының индексі.
• Heart Rate: Жүрек соғысы.
• Serum Creatinine: Қандағы креатинин деңгейі.
• Uric Acid: Несеп қышқылының деңгейі.
• Hemoglobin: Гемоглобин концентрациясы.
• GFR (Glomerular Filtration Rate): Гломерулярлық сүзу жылдамдығы.
• Serum Sodium: Қандағы натрий концентрациясы.
• Serum Potassium: Қандағы калий концентрациясы.
• Serum Albumin: Қандағы альбумин деңгейі.
• Lactate: Лактат концентрациясы.
• Status: Науқастың жағдайы („Dead" немесе „Alive") – мақсатты өріс.

📝 Тапсырмалар

Алғашқы subtasks үшін сіз деректер жинағын жүктеп, train.csv бойынша статистикалық талдау жүргізуіңіз керек.

Subtask 1 (10 ұпай)

GFR мәні негізінде әрбір науқас үшін бүйрек функциясын жіктеңіз:

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

Subtask 2 (10 ұпай)

Serum Creatinine бағанындағы мәндердің квартильдерін (Q1, Q2, Q3) есептеп, тесттегі науқастарды жіктеңіз:

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

Subtask 3 (10 ұпай)

BMI мәнін анықтау:

• 1 егер BMI > train-дағы медианадан
• 0 егер BMI <= медианадан

Subtask 4 (10 ұпай)

Train-дағы тесттегі науқаспен бірдей T Stage-де тұрған науқастардың саны.

Subtask 5 (60 ұпай)

Сипаттамалар негізінде Status (Dead немесе Alive) болжау үшін ML моделін құрыңыз. Бағалау Dead класы үшін дәлдік негізінде жүргізіледі.

🧮 Бағалау

Бағалау метрикасы Dead класы үшін дәлдік:

мұндағы:

• TP = дұрыс болжанған Dead науқастардың саны
• FP = қате болжанған Dead науқастардың саны

Тапсыру файлының форматы

Тапсыру файлы CSV (Comma-Separated Values) форматында болуы керек, келесі бағандармен:

• subtaskID - жауап беретін тапсырманың индексі
• datapointID - деректер жинағындағы науқастың бірегей идентификаторы
• answer - көрсетілген тапсырма үшін деректер жинағындағы науқаспен байланысты жауап

Мысал:

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

📌 Ескертулер

• Мақсатты өріс Status.
• Кейбір өрістерде жетіспейтін мәндер (NaN) болуы мүмкін және оларды өңдеу керек.
• Айнымалылар мен мақсатты айнымалы арасындағы корреляцияны талдау ұсынылады.
• Модель өнімділігіне әсер ететін болса, шеткі мәндерді анықтап, жойыңыз.
• Жергілікті тестілеу үшін sample_output жіберу 5 ұпай береді.

🗂️ Пайдалы ресурстар

• Толық Starter Kit – мәселені шешуді бастауға болатын қаңқаны қамтиды