Системний аналіз та імовірнісне моделювання ризику виникнення діабету на основі байєсівських методів

Abstract

У роботі проведено системний аналіз застосування імовірнісних методів класифікації для оцінки ризику виникнення цукрового діабету на основі набору даних Pima Indians Diabetes. Виконано комплексне очищення та попередню обробку даних, побудовано та досліджено моделі GaussianNB і CategoricalNB із застосуванням різних стратегій дискретизації. Проведено порівняльний аналіз ефективності логарифмічного перетворення, оптимізації гіперпараметрів та ансамблевих підходів. Встановлено, що найвищу точність серед імовірнісних моделей демонструє GaussianNB з адаптивним згладжуванням, тоді як використання ансамблевих методів (Voting Ensemble) дозволяє максимізувати показник ROC-AUC для систем підтримки прийняття медичних рішень.

The paper conducts a systems analysis of probabilistic classification methods for assessing diabetes mellitus risk based on the Pima Indians Diabetes dataset. Comprehensive data cleaning and preprocessing were performed, and