Діагностика діабету на основі аналізів крові

🩺 Діагностування діабету на основі аналізів крові

Опис проблеми

Необхідно побудувати модель класифікації, яка передбачатиме, чи має пацієнт діабет на основі аналізів крові та демографічних даних.

Кожен пацієнт характеризується 8 числовими атрибутами, отриманими з аналізів та клінічних вимірювань, а етикетка (target) вказує на наявність діабету (1 для позитивного, 0 для негативного).

Цей тип проблеми належить до категорії бінарної класифікації (binary classification).

---

🔹 Характеристики (features)

• pregnancies – кількість вагітностей
• glucose – рівень глюкози в крові
• blood_pressure – артеріальний тиск
• skin_thickness – товщина шкірної складки
• insulin – рівень інсуліну
• bmi – індекс маси тіла
• diabetes_pedigree_function – генетичний показник ризику
• age – вік пацієнта

---

📘 Структура вхідних файлів

train.csv

Містить усі 8 колонок features плюс колонку:

• target – вказує на наявність діабету (0 або 1)

Приклад:

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

Містить ті ж колонки без target, але включає SampleID.

Приклад:

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

---

📤 Подання

Файл виводу (submission.csv) повинен містити рівно дві колонки:

• SampleID
• label – етикетка, передбачена моделлю (0 або 1)

Приклад:

SampleID	label
1	1
2	0
3	0

---

⚙️ Оцінювання

Оцінювання моделей буде проводитися з використанням наступної метрики:

• Бінарний F1-score (binary F1)

Ця метрика підходить для бінарної класифікації, оскільки надає однакову важливість правильності передбачень для обох класів.

Загальна формула:

де:

• 
• 

Фінальний бал виражається у відсотках (0–100), округлений до двох десяткових знаків.

---

📊 Джерело

Набір даних походить з оригінальної колекції:
Pima Indians Diabetes Database – Kaggle