Paciento būklės prognozavimas - OJIA 2 simuliacija

🏥 Problema: Paciento būklės analizė ir prognozavimas

Šiai problemai turite įgyvendinti mašininio mokymosi modelį, kad prognozuotumėte Status lauko reikšmę naudodami prieinamą duomenų rinkinį, kuriame yra informacija apie pacientus. Duomenų rinkinys yra organizuotas CSV faile, kuriame yra įvairūs požymiai (features), o modelio vertinimas bus atliekamas pagal tikslumą Dead klasei.

📊 Duomenų rinkinys

Duomenų rinkinyje yra šie laukai:

• Age: Paciento amžius.
• Race: Paciento rasė (pvz.: White, Other).
• Marital Status: Paciento šeiminė padėtis.
• T Stage: Naviko stadija (T1, T2, T3, T4).
• N Stage: Limfmazgių pažeidimo laipsnis.
• 6th Stage: Vėžio stadija pagal 6-osios redakcijos TNM klasifikaciją.
• differentiate: Naviko diferencijavimo laipsnis.
• Grade: Histologinis naviko laipsnis (1, 2, 3 ir kt.).
• A Stage: Ligos stadijos klasifikacija.
• Tumor Size: Naviko dydis.
• BMI: Kūno masės indeksas.
• Heart Rate: Širdies ritmas.
• Serum Creatinine: Kreatinino lygis serume.
• Uric Acid: Šlapimo rūgšties lygis.
• Hemoglobin: Hemoglobino koncentracija.
• GFR (Glomerular Filtration Rate): Glomerulų filtracijos greitis.
• Serum Sodium: Natrio koncentracija serume.
• Serum Potassium: Kalio koncentracija serume.
• Serum Albumin: Albumino lygis serume.
• Lactate: Laktato koncentracija.
• Status: Paciento būklė („Dead" arba „Alive") – tikslo laukas.

📝 Užduotys

Pirmoms užduotims turėsite įkelti duomenų rinkinį ir atlikti statistinę analizę train.csv.

Užduotis 1 (10 taškų)

Klasifikuokite inkstų funkciją kiekvienam pacientui pagal GFR reikšmę:

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

Užduotis 2 (10 taškų)

Apskaičiuokite Serum Creatinine stulpelio reikšmių kvartilius (Q1, Q2, Q3) ir klasifikuokite pacientus teste:

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

Užduotis 3 (10 taškų)

BMI reikšmės nustatymas:

• 1 jei BMI > mediana iš train
• 0 jei BMI <= mediana

Užduotis 4 (10 taškų)

Pacientų skaičius iš train, kurie yra toje pačioje T Stage kaip pacientas iš test.

Užduotis 5 (60 taškų)

Sukurkite ML modelį, kad prognozuotumėte Status (Dead arba Alive) pagal požymius. Vertinimas atliekamas pagal tikslumą Dead klasei.

🧮 Vertinimas

Vertinimo metrika yra tikslumas Dead klasei:

kur:

• TP = teisingai prognozuotų Dead pacientų skaičius
• FP = neteisingai prognozuotų Dead pacientų skaičius

Pateikimo failo formatas

Pateikimo failas turi būti CSV (Comma-Separated Values) formatu, su šiais stulpeliais:

• subtaskID - užduoties, kuriai pateikiame atsakymą, indeksas
• datapointID - unikalus paciento identifikatorius iš duomenų rinkinio
• answer - atsakymas, susijęs su pacientu iš duomenų rinkinio nurodytai užduočiai

Pavyzdys:

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

📌 Pastabos

• Tikslo laukas yra Status.
• Kai kurie laukai gali turėti trūkstamas reikšmes (NaN) ir jas reikia apdoroti.
• Rekomenduojama analizuoti koreliaciją tarp kintamųjų ir tikslo kintamojo.
• Aptikite ir pašalinkite ekstremalias reikšmes, jei jos paveiks modelio našumą.
• sample_output pateikimas vietiniam testavimui duoda 5 taškus.

🗂️ Naudingi ištekliai

• Pilnas Starter Kit – turi šabloną, nuo kurio galite pradėti problemos sprendimą