患者状态预测 - OJIA 2 模拟赛

🏥 问题：患者状态分析与预测

对于这个问题，您需要实现一个机器学习模型来预测Status字段的值，使用可用的数据集，该数据集包含患者信息。数据集组织在一个CSV文件中，包含各种特征（features），模型评估将基于Dead类别的精确度。

📊 数据集

数据集包含以下字段：

• Age: 患者年龄。
• Race: 患者种族（例如：White, Other）。
• Marital Status: 患者婚姻状况。
• T Stage: 肿瘤分期（T1, T2, T3, T4）。
• N Stage: 淋巴结受累程度。
• 6th Stage: 根据第6版TNM分类的癌症分期。
• differentiate: 肿瘤分化程度。
• Grade: 肿瘤组织学分级（1, 2, 3等）。
• A Stage: 疾病分期分类。
• Tumor Size: 肿瘤大小。
• BMI: 体重指数。
• Heart Rate: 心率。
• Serum Creatinine: 血清肌酐水平。
• Uric Acid: 尿酸水平。
• Hemoglobin: 血红蛋白浓度。
• GFR (Glomerular Filtration Rate): 肾小球滤过率。
• Serum Sodium: 血清钠浓度。
• Serum Potassium: 血清钾浓度。
• Serum Albumin: 血清白蛋白水平。
• Lactate: 乳酸浓度。
• Status: 患者状态（"Dead"或"Alive"）– 目标字段。

📝 任务

对于前几个子任务，您需要加载数据集并对train.csv进行统计分析。

子任务1（10分）

根据GFR值对每位患者的肾功能进行分类：

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

子任务2（10分）

计算Serum Creatinine列值的四分位数（Q1, Q2, Q3）并对测试中的患者进行分类：

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

子任务3（10分）

确定BMI值：

• 1 如果 BMI > 训练集中位数
• 0 如果 BMI <= 中位数

子任务4（10分）

训练集中与测试患者处于相同T Stage的患者数量。

子任务5（60分）

构建一个ML模型来根据特征预测Status（Dead或Alive）。评估基于Dead类别的精确度。

🧮 评估

评估指标是精确度对于Dead类别：

其中：

• TP = 正确预测为Dead的患者数量
• FP = 错误预测为Dead的患者数量

提交文件格式

提交文件必须是CSV格式（逗号分隔值），包含以下列：

• subtaskID - 我们提供答案的任务索引
• datapointID - 数据集中患者的唯一标识符
• answer - 数据集中患者对于指定任务的相关答案

示例：

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

📌 注意事项

• 目标字段是Status。
• 某些字段可能包含缺失值（NaN）需要处理。
• 建议分析变量与目标变量之间的相关性。
• 如果极值影响模型性能，请检测并消除它们。
• 提交sample_output进行本地测试可获得5分。

🗂️ 有用资源

• 完整入门套件 – 包含您可以开始解决问题的框架