Διάγνωση διαβήτη με χρήση αλγορίθμων μηχανικής μάθησης
Diabetes diagnosis using machine learning algorithms
Προβολή/ Άνοιγμα
Λέξεις κλειδιά
Diabates ; Αλγόριθμοι μηχανικής μάθησης ; Διάγνωση διαβήτη ; Μηχανές διανυσμάτων υποστήριξης ; Διερευνητική ανάλυση δεδομένων ; Exploratory Data Analysis (EDA) ; Λογιστική παλινδρόμηση ; Logistic regression ; Μηχανές διανυσμάτων υποστήριξης ; Support Vector Machines (SVM) ; Κ-Πλησιέστεροι Γείτονες ; k-Nearest Neighbors (KNN) ; Βαθμιδωτής ενίσχυσης ; Gradient boosting ; Τυχαία δάση ; Random forestsΠερίληψη
Η διπλωματική εργασία εστιάζει στην βελτίωση της διάγνωσης και πρόβλεψης του
διαβήτη μέσω της χρήσης αλγορίθμων μηχανικής μάθησης. Η ανάλυση βασίζεται σε
ένα σύνολο δεδομένων που έχει συλλεχθεί από το Kaggle.com, με στόχο την
ανάπτυξη μοντέλων που μπορούν να προβλέψουν με ακρίβεια την πιθανότητα ενός
ατόμου να αναπτύξει διαβήτη. Μέσω της διερεύνησης, της ανάλυσης των δεδομένων
και της χρήσης διάφορων αλγορίθμων μηχανικής μάθησης όπως είναι η λογιστική
παλινδρόμηση (Logistic Regression), οι μηχανές διανυσμάτων υποστήριξης (SVM), η
βαθμιδωτή ενίσχυση (Gradient Boosting), οι Κ-Πλησιέστεροι Γείτονες- K-Nearest
Neighbors (KNN) και τα τυχαία δάση (Random Forest), η εργασία επιδιώκει να
ενισχύσει την ακρίβεια της διάγνωση. Τα αποτελέσματα της έρευνας υποδεικνύουν
τη δυνατότητα αυτών των αλγορίθμων να προσφέρουν αξιόπιστες προβλέψεις και
να αναδείξουν την σημασία της μηχανικής μάθησης ως εργαλείο βελτίωσης της
δημόσιας υγείας, προτείνοντας μελλοντικές κατευθύνσεις για περαιτέρω έρευνα και
ανάπτυξη.