Diabetesdiagnose op basis van bloedonderzoeken

🩺 Diabetesdiagnose op basis van bloedonderzoeken

Probleembeschrijving

Het doel is het bouwen van een classificatiemodel dat voorspelt of een patiënt diabetes heeft op basis van bloedonderzoeken en demografische gegevens.

Elke patiënt wordt gekenmerkt door 8 numerieke attributen verkregen uit analyses en klinische metingen, en het label (target) geeft de aanwezigheid van diabetes aan (1 voor positief, 0 voor negatief).

Dit type probleem behoort tot de categorie binaire classificatie (binary classification).

---

🔹 Kenmerken (features)

• pregnancies – aantal zwangerschappen
• glucose – glucosegehalte in het bloed
• blood_pressure – bloeddruk
• skin_thickness – dikte van de huidplooi
• insulin – insulinegehalte
• bmi – body mass index
• diabetes_pedigree_function – genetische risicoscore
• age – leeftijd van de patiënt

---

📘 Structuur van de invoerbestanden

train.csv

Bevat alle 8 features kolommen plus de kolom:

• target – geeft de aanwezigheid van diabetes aan (0 of 1)

Voorbeeld:

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

Bevat dezelfde kolommen zonder target, maar inclusief SampleID.

Voorbeeld:

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

---

📤 Inzending

Het uitvoerbestand (submission.csv) moet precies twee kolommen bevatten:

• SampleID
• label – het door het model voorspelde label (0 of 1)

Voorbeeld:

SampleID	label
1	1
2	0
3	0

---

⚙️ Evaluatie

De evaluatie van de modellen zal worden uitgevoerd met behulp van de volgende metriek:

• Binaire F1-score (binary F1)

Deze metriek is geschikt voor binaire classificatie, omdat het gelijk belang toekent aan de juistheid van voorspellingen voor beide klassen.

Algemene formule:

waarbij:

• 
• 

De eindscore wordt uitgedrukt als percentage (0–100), afgerond op twee decimalen.

---

📊 Bron

De dataset komt uit de originele collectie:
Pima Indians Diabetes Database – Kaggle