Класифікація поведінкових факторів ризику людини для прогнозування цукровго діабету

Abstract

Магістерська кваліфікаційна робота виконана студенткою групи КНСШ-21 Кульчицькою Оленою Юріївною. Тема “Класифікація поведінкових факторів ризику людини для прогнозування цукрового діабету”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є штучна нейронна мережа та моделі машинного навчання, застосовані для класифікації поведінкових факторів ризику людини. Предметом дослідження є процес прогнозування цукрового діабету за показами моніторингу поведінкових факторів ризику людини. Досягнення мети відбувається за рахунок порівняння ефективності власноруч імплементованої штучної нейронної мережі та застосованих моделей машинного навчання для прогнозування цукрового діабету за показами моніторингу поведінкових факторів ризику людини. Перед класифікацією зроблено обробку даних, а саме видалення дублікатів, пропущених даних, викидів, вибір важливих ознак, розбалансування та скейлінг даних. У результаті виконання дипломної роботи створено штучну нейронну мережу та застосовано моделі машинного навчання, а саме Random Forest, KNN, SVM, XGboost, DNN, для визначення ризику діабету у людини; зроблено попередню обробку та аналіз набору даних перед їх застосуванням; виконано порівняння точності моделей та визначено найкращу модель для заданої тематики. Загальний обсяг роботи: 68 сторінок, 30 рисунки, 22 посилання. Master’s degree work of the student of the group CSAI-21 Kulchytska Olena Yuriivna. The topic is "Classification of human behavioral risk factors for diabetes prediction". The work is aimed at obtaining a master's degree in 122 "Computer Science". The object of research is the process of predicting diabetes based on the monitoring of behavioral risk factors of a person. The subject of research is an artificial neural network and machine learning models applied to classification of human behavioral risk factors. The goal is achieved by comparing the efficiency of self-implemented artificial neural network and applied machine learning models for predicting diabetes based on the monitoring of human behavioral risk factors. Data processing was made before classification, i.e., removal of duplicates, missing data, outliers, features selection, imbalance and scaling of data. As a result of the master's qualification work, an artificial neural network was created and machine learning models were applied, namely Random Forest, KNN, SVM, XGboost, DNN, to determine the risk of diabetes in a person; preliminary processing and analysis of the data set was done before their use; the accuracy of the models was compared; and the best model for the given topic was determined. The total volume of work: 68 pages, 30 figures, 22 references.