Diabēta diagnosticēšana, pamatojoties uz asins analīzēm

🩺 Diabēta diagnosticēšana, pamatojoties uz asins analīzēm

Problēmas apraksts

Nepieciešams izveidot klasifikācijas modeli, kas prognozē, vai pacientam ir diabēts, pamatojoties uz asins analīzēm un demogrāfiskiem datiem.

Katru pacientu raksturo 8 skaitliski atribūti, kas iegūti no analīzēm un klīniskiem mērījumiem, bet etiķete (target) norāda diabēta esamību (1 pozitīvam, 0 negatīvam).

Šāda veida problēma pieder binārās klasifikācijas (binary classification) kategorijai.

---

🔹 Raksturlielumi (features)

• pregnancies – grūtniecību skaits
• glucose – glikozes līmenis asinīs
• blood_pressure – asinsspiediens
• skin_thickness – ādas krokas biezums
• insulin – insulīna līmenis
• bmi – ķermeņa masas indekss
• diabetes_pedigree_function – ģenētiskā riska rādītājs
• age – pacienta vecums

---

📘 Ievades failu struktūra

train.csv

Satur visas 8 features kolonnas plus kolonna:

• target – norāda diabēta esamību (0 vai 1)

Piemērs:

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

Satur tās pašas kolonnas bez target, bet iekļauj SampleID.

Piemērs:

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

---

📤 Iesūtīšana

Izvades failam (submission.csv) jāsatur tieši divas kolonnas:

• SampleID
• label – modeļa prognozētā etiķete (0 vai 1)

Piemērs:

SampleID	label
1	1
2	0
3	0

---

⚙️ Novērtēšana

Modeļu novērtēšana tiks veikta, izmantojot šādu metriku:

• F1-score binārais (binary F1)

Šī metrika ir piemērota binārajai klasifikācijai, jo piešķir vienādu nozīmi prognožu precizitātei abām klasēm.

Vispārējā formula:

kur:

• 
• 

Galīgais rezultāts tiek izteikts kā procenti (0–100), noapaļots līdz divām decimāldaļām.

---

📊 Avots

Datu kopa nāk no oriģinālās kolekcijas:
Pima Indians Diabetes Database – Kaggle