Diagnóstico de diabetes com base em exames de sangue

🩺 Diagnóstico de diabetes baseado em exames de sangue

Descrição do problema

Deseja-se construir um modelo de classificação que preveja se um paciente tem diabetes com base em exames de sangue e dados demográficos.

Cada paciente é caracterizado por 8 atributos numéricos obtidos de análises e medições clínicas, e o rótulo (target) indica a presença de diabetes (1 para positivo, 0 para negativo).

Este tipo de problema pertence à categoria de classificação binária (binary classification).

---

🔹 Características (features)

• pregnancies – número de gestações
• glucose – nível de glicose no sangue
• blood_pressure – pressão arterial
• skin_thickness – espessura da dobra cutânea
• insulin – nível de insulina
• bmi – índice de massa corporal
• diabetes_pedigree_function – escore genético de risco
• age – idade do paciente

---

📘 Estrutura dos arquivos de entrada

train.csv

Contém todas as 8 colunas de features mais a coluna:

• target – indica a presença de diabetes (0 ou 1)

Exemplo:

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

Contém as mesmas colunas sem target, mas inclui SampleID.

Exemplo:

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

---

📤 Submissão

O arquivo de saída (submission.csv) deve conter exatamente duas colunas:

• SampleID
• label – rótulo previsto pelo modelo (0 ou 1)

Exemplo:

SampleID	label
1	1
2	0
3	0

---

⚙️ Avaliação

A avaliação dos modelos será feita utilizando a seguinte métrica:

• F1-score binário (binary F1)

Esta métrica é adequada para classificação binária, pois dá importância igual à correção das previsões para ambas as classes.

Fórmula geral:

onde:

• 
• 

O escore final é expresso como porcentagem (0–100), arredondado para duas casas decimais.

---

📊 Fonte

O dataset provém da coleção original:
Pima Indians Diabetes Database – Kaggle