Diagnostisering av diabetes basert på blodprøver

🩺 Diabetesdiagnostikk basert på blodprøver

Problembeskrivelse

Det ønskes å bygge en klassifikasjonsmodell som kan forutsi om en pasient har diabetes basert på blodprøver og demografiske data.

Hver pasient karakteriseres av 8 numeriske attributter hentet fra analyser og kliniske målinger, og etiketten (target) indikerer tilstedeværelse av diabetes (1 for positiv, 0 for negativ).

Denne typen problem tilhører kategorien binær klassifikasjon (binary classification).

---

🔹 Egenskaper (features)

• pregnancies – antall graviditeter
• glucose – glukosenivå i blodet
• blood_pressure – blodtrykk
• skin_thickness – tykkelse på hudfolden
• insulin – insulinnivå
• bmi – kroppsmasseindeks
• diabetes_pedigree_function – genetisk risikoscore
• age – pasientens alder

---

📘 Struktur på inndatafiler

train.csv

Inneholder alle de 8 features-kolonnene pluss kolonnen:

• target – indikerer tilstedeværelse av diabetes (0 eller 1)

Eksempel:

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

Inneholder de samme kolonnene uten target, men inkluderer SampleID.

Eksempel:

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

---

📤 Innlevering

Utdatafilen (submission.csv) må inneholde nøyaktig to kolonner:

• SampleID
• label – etiketten forutsagt av modellen (0 eller 1)

Eksempel:

SampleID	label
1	1
2	0
3	0

---

⚙️ Evaluering

Evaluering av modellene vil bli gjort ved bruk av følgende metrikk:

• F1-score binær (binary F1)

Denne metrikken er egnet for binær klassifikasjon, fordi den gir lik vekt til nøyaktigheten av prediksjoner for begge klassene.

Den generelle formelen:

hvor:

• 
• 

Den endelige scoren uttrykkes som prosent (0–100), avrundet til to desimaler.

---

📊 Kilde

Datasettet kommer fra den opprinnelige samlingen:
Pima Indians Diabetes Database – Kaggle