Przewidywanie statusu pacjenta - Symulacja OJIA 2

🏥 Problem: Analiza i predykcja stanu pacjenta

W tym problemie musisz zaimplementować model uczenia maszynowego do przewidywania wartości pola Status używając dostępnego zbioru danych, który zawiera informacje o pacjentach. Zbiór danych jest zorganizowany w pliku CSV, który zawiera różne cechy (features), a ocena modelu będzie oparta na precyzji dla klasy Dead.

📊 Zbiór danych

Zbiór danych zawiera następujące pola:

• Age: Wiek pacjenta.
• Race: Rasa pacjenta (np. White, Other).
• Marital Status: Stan cywilny pacjenta.
• T Stage: Stadium guza (T1, T2, T3, T4).
• N Stage: Stopień zajęcia węzłów chłonnych.
• 6th Stage: Stadium raka według klasyfikacji TNM szóstej edycji.
• differentiate: Stopień różnicowania guza.
• Grade: Stopień histologiczny guza (1, 2, 3 itd.).
• A Stage: Klasyfikacja stadium choroby.
• Tumor Size: Rozmiar guza.
• BMI: Wskaźnik masy ciała.
• Heart Rate: Częstość akcji serca.
• Serum Creatinine: Poziom kreatyniny w surowicy.
• Uric Acid: Poziom kwasu moczowego.
• Hemoglobin: Stężenie hemoglobiny.
• GFR (Glomerular Filtration Rate): Współczynnik filtracji kłębuszkowej.
• Serum Sodium: Stężenie sodu w surowicy.
• Serum Potassium: Stężenie potasu w surowicy.
• Serum Albumin: Poziom albuminy w surowicy.
• Lactate: Stężenie mleczanu.
• Status: Stan pacjenta („Dead" lub „Alive") – pole docelowe.

📝 Zadania

W pierwszych podzadaniach będziesz musiał załadować zbiór danych i przeprowadzić analizy statystyczne na train.csv.

Podzadanie 1 (10 punktów)

Sklasyfikuj funkcję nerek dla każdego pacjenta na podstawie wartości GFR:

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

Podzadanie 2 (10 punktów)

Oblicz kwartyle wartości z kolumny Serum Creatinine (Q1, Q2, Q3) i sklasyfikuj pacjentów w teście:

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

Podzadanie 3 (10 punktów)

Określenie wartości BMI:

• 1 jeśli BMI > mediana z train
• 0 jeśli BMI <= mediana

Podzadanie 4 (10 punktów)

Liczba pacjentów z train, którzy znajdują się w tym samym T Stage co pacjent z testu.

Podzadanie 5 (60 punktów)

Zbuduj model ML do przewidywania Status (Dead lub Alive) w zależności od cech. Ocena odbywa się na podstawie precyzji dla klasy Dead.

🧮 Ocena

Metryką oceny jest precyzja dla klasy Dead:

gdzie:

• TP = liczba pacjentów poprawnie przewidzianych jako Dead
• FP = liczba pacjentów niepoprawnie przewidzianych jako Dead

Format pliku zgłoszenia

Plik zgłoszenia musi być w formacie CSV (Comma-Separated Values), z następującymi kolumnami:

• subtaskID - indeks zadania, dla którego dostarczamy odpowiedź
• datapointID - unikalny identyfikator pacjenta ze zbioru danych
• answer - odpowiedź związana z pacjentem ze zbioru danych dla wskazanego zadania

Przykład:

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

📌 Uwagi

• Pole docelowe to Status.
• Niektóre pola mogą zawierać brakujące wartości (NaN) i muszą być obsłużone.
• Zaleca się analizę korelacji między zmiennymi a zmienną docelową.
• Wykryj i usuń wartości ekstremalne, jeśli wpływają na wydajność modelu.
• Przesłanie sample_output do testowania lokalnego daje 5 punktów.

🗂️ Przydatne zasoby

• Kompletny Starter Kit – zawiera szkielet, od którego możesz rozpocząć rozwiązywanie problemu