Курсовая работа
Анализ данных и построение моделей для предсказания риска развития диабета (jupyter notebook)
в среде программирования Python
Программа и описание

Введение.......................................................................2
Теория.........................................................................2
Набор данных...................................................................4
Корреляционный анализ данных...................................................5
Нулевые значения и выбросы.....................................................7
Обработка данных...............................................................8
Обучение моделей и сравнительная таблица.......................................8
Таблица сравнения.............................................................10

ВВЕДЕНИЕ.......................................................................4
1 РАЗВЕДОЧНЫЙ АНАЛИЗ ДАННЫХ....................................................5
1.1 Постановка задачи..........................................................5
1.2 Подготовка к работе........................................................5
1.3 Загрузка и описание датасета...............................................6
1.4 Уникальные значения........................................................8
1.5 Корреляционный анализ данных...............................................8
1.4 Влияние уровня глюкозы на риск развития диабета...........................10
1.4 Влияние возраста на риск развития диабета.................................10
1.5 Влияние количества беременностей на риск развития диабета.................11
1.6 Влияние BMI на риск развития диабета......................................14
1.7 Очистка данных............................................................15
1.8 Выводы....................................................................16
2 ROC-AUC МЕТРИКА.............................................................17
2.1 Общее описание метрики....................................................17
2.2 Построение ROC-AUC кривой и получение значений метрики....................18
2.3 Хранение метрик...........................................................18
2.3 Выводы....................................................................19
3 ОБУЧЕНИЕ МОДЕЛЕЙ............................................................20
3.1 Логистическая регрессия...................................................20
3.2 Наивный Байесовский классификатор.........................................21
3.3 Случайный лес.............................................................22
3.4 AdaBoostClassifier........................................................23
3.5 Таблица сравнения.........................................................24
3.6 Выводы....................................................................25
ЗАКЛЮЧЕНИЕ....................................................................26
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ..............................................27