Przewidywanie statusu pacjenta - Symulacja OJIA 2 (v1)

🏥 Problem: Analiza i predykcja stanu pacjenta

Dla tego problemu 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 się odbywać na podstawie 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 zgodnie z klasyfikacją 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: Tętno.
• 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

Dla pierwszych podzadań będziesz musiał załadować zbiór danych i przeprowadzić analizy statystyczne na test.csv.

Podzadanie 1 (10 punktów)

Sklasyfikuj funkcję nerek dla każdego pacjenta ze zbioru testowego 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) dla zbioru danych treningowych i sklasyfikuj pacjentów ze zbioru danych testowych zgodnie z następującymi kryteriami:

• 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 w następujący sposób:

1. Obliczamy wartość mediany tej kolumny dla danych ze zbioru treningowego.
2. Dla pacjentów ze zbioru testowego uznajemy, że mamy:

• 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 test.

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:

Punkty są przyznawane w zależności od wartości precision (weighted) uzyskanej przez model:

gdzie:

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

📌 Uwagi

• Polem docelowym jest Status.
• Niektóre pola mogą zawierać brakujące wartości (NaN) i muszą być odpowiednio 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.

📄 Format pliku zgłoszenia

Plik submission.csv musi zawierać wyniki wszystkich 5 podzadań dla każdego wiersza ze zbioru test.
Każdy wiersz z test generuje 5 linii w pliku, po jednej dla każdego podzadania.

Struktura pliku:

1subtaskID, datapointID, answer

Znaczenie kolumn:

• subtaskID - numer podzadania (1–5).
• datapointID - ID pacjenta z test (jeśli plik test nie ma ID, używa się indeksu wiersza).
• answer - wynik wymagany przez podzadanie:
  • Podzadanie 1: Normal / Mildly Decreased / Decreased
  • Podzadanie 2: Very Low / Low / High / Very High
  • Podzadanie 3: 0 lub 1
  • Podzadanie 4: liczba całkowita (count)
  • Podzadanie 5: 1 jeśli model przewiduje Dead, 0 jeśli przewiduje Alive

Przykład dla jednego pacjenta z ID 3220:

1subtaskID    datapointID    answer21            3220           Normal32            3220           Low43            3220           054            3220           565            3220           1

🗂️ Przydatne zasoby

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