Предсказание статуса пациента - Симуляция OJIA 2

🏥 Задача: Анализ и прогнозирование состояния пациента

Для этой задачи необходимо реализовать модель машинного обучения для прогнозирования значения поля Status с использованием доступного набора данных, содержащего информацию о пациентах. Набор данных организован в CSV-файле, который включает различные признаки (features), а оценка модели будет производиться на основе точности для класса Dead.

📊 Набор данных

Набор данных содержит следующие поля:

• Age: Возраст пациента.
• Race: Раса пациента (например: White, Other).
• Marital Status: Семейное положение пациента.
• T Stage: Стадия опухоли (T1, T2, T3, T4).
• N Stage: Степень поражения лимфатических узлов.
• 6th Stage: Стадия рака согласно TNM-классификации 6-го издания.
• differentiate: Степень дифференцировки опухоли.
• Grade: Гистологическая степень опухоли (1, 2, 3 и т.д.).
• A Stage: Классификация стадии заболевания.
• Tumor Size: Размер опухоли.
• BMI: Индекс массы тела.
• Heart Rate: Частота сердечных сокращений.
• Serum Creatinine: Уровень креатинина в сыворотке.
• Uric Acid: Уровень мочевой кислоты.
• Hemoglobin: Концентрация гемоглобина.
• GFR (Glomerular Filtration Rate): Скорость клубочковой фильтрации.
• Serum Sodium: Концентрация натрия в сыворотке.
• Serum Potassium: Концентрация калия в сыворотке.
• Serum Albumin: Уровень альбумина в сыворотке.
• Lactate: Концентрация лактата.
• Status: Состояние пациента („Dead" или „Alive") – целевое поле.

📝 Задания

Для первых подзадач необходимо загрузить набор данных и выполнить статистический анализ на train.csv.

Подзадача 1 (10 баллов)

Классифицируйте функцию почек для каждого пациента на основе значения GFR:

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

Подзадача 2 (10 баллов)

Вычислите квартили значений из столбца Serum Creatinine (Q1, Q2, Q3) и классифицируйте пациентов в тесте:

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

Подзадача 3 (10 баллов)

Определение значения BMI:

• 1 если BMI > медиана из train
• 0 если BMI <= медиана

Подзадача 4 (10 баллов)

Количество пациентов из train, которые находятся в том же T Stage, что и пациент из теста.

Подзадача 5 (60 баллов)

Постройте модель ML для прогнозирования Status (Dead или Alive) в зависимости от признаков. Оценка производится на основе точности для класса Dead.

🧮 Оценка

Метрика оценки - точность для класса Dead:

где:

• TP = количество пациентов, правильно предсказанных как Dead
• FP = количество пациентов, неправильно предсказанных как Dead

Формат файла для отправки

Файл для отправки должен быть в формате CSV (Comma-Separated Values), со следующими столбцами:

• subtaskID - индекс задания, для которого предоставляем ответ
• datapointID - уникальный идентификатор пациента из набора данных
• answer - ответ, связанный с пациентом из набора данных для указанного задания

Пример:

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

📌 Примечания

• Целевое поле - Status.
• Некоторые поля могут содержать пропущенные значения (NaN) и должны быть обработаны.
• Рекомендуется анализ корреляции между переменными и целевой переменной.
• Обнаружьте и устраните выбросы, если они влияют на производительность модели.
• Отправка sample_output для локального тестирования дает 5 баллов.

🗂️ Полезные ресурсы

• Полный стартовый набор – содержит каркас, с которого можно начать решение задачи