Πρόβλεψη σακχαρώδους διαβήτη με μεθόδους μηχανικής μάθησης

Abstract

Ο σακχαρώδης διαβήτης είναι μία από τις σοβαρότερες ασθένειες σε παγκόσμιο επίπεδο και, εάν δεν διαγνωστεί έγκαιρα, μπορεί να δημιουργήσει σοβαρά προβλήματα υγείας και να αυξήσει τον κίνδυνο της θνησιμότητας. Μάλιστα, οι ασθενείς είναι ιδιαίτερα ευάλωτοι στην ασθένεια του COVID-19. Η χρήση προγνωστικών μεθόδων με τη βοήθεια της εξόρυξης δεδομένων και ιδιαίτερα της Μηχανικής Μάθησης μπορεί να συμβάλει στην έγκαιρη διάγνωση, ώστε να αποφευχθούν οι σοβαρές επιπλοκές στην υγεία των ασθενών. Στην παρούσα διπλωματική εργασία διερευνάται το πρόβλημα της πρόβλεψης του σακχαρώδους διαβήτη βάσει συμπτωμάτων με την βοήθεια αλγόριθμων Μηχανικής Μάθησης για δυαδική ταξινόμηση, με σκοπό τη σύγκρισή τους. Η υλοποίηση έγινε με τη βοήθεια της βιβλιοθήκης scikit-learn της γλώσσας προγραμματισμού Python με ένα συγκεκριμένο σύνολο δεδομένων που διατίθεται δημόσια από το αποθετήριο μηχανικής μάθησης του Πανεπιστημίου της Καλιφόρνια. Το σύνολο δεδομένων αφορά παρατηρήσεις που συλλέχθηκαν από 520 ασθενείς βάσει ερωτηματολογίου, το οποίο περιλαμβάνει τα συχνότερα συμπτώματα της ασθένειας. Οι αλγόριθμοι μηχανικής μάθησης που εφαρμόστηκαν στο σύνολο δεδομένων είναι η λογιστική παλινδρόμηση (Logistic Regression), οι μηχανές υποστήριξης διανυσμάτων (Support Vector Machines), ο απλοϊκός Bayes (Naive Bayes), το πολυεπίπεδο perceptron (Multi-Layer Perceptron) και τα τυχαία δάση (Random Forests). Η σύγκριση των αποτελεσμάτων έγινε με διάφορες μετρικές απόδοσης που αφορούν προβλήματα ταξινόμησης. Τα συγκριτικά αποτελέσματα υποδεικνύουν ως καλύτερο αλγόριθμο για το συγκεκριμένο σύνολο τα τυχαία δάση. Το σχετικό μοντέλο παρουσιάζει τις καλύτερες μετρικές απόδοσης, με το μοντέλο των μηχανών υποστήριξης διανυσμάτων να ακολουθεί.