Προβλεψη θανατου ασθενων με καρδιακη ανεπαρκεια με βαση 12 κλινικα χαρακτηριστικα
Αυτό το σύνολο δεδομένων περιέχει τα ιατρικά αρχεία 5000 ασθενών που υπέστησαν καρδιακή ανεπάρκεια, συλλεγμένα κατά τη διάρκεια της περιόδου παρακολούθησής τους, όπου κάθε προφίλ ασθενούς έχει 13 κλινικά χαρακτηριστικά.
Πληροφορίες για τα χαρακτηριστικά:
- age: ηλικία του ασθενούς (έτη)
- anaemia: μείωση των ερυθρών αιμοσφαιρίων ή της αιμοσφαιρίνης (boolean)
- creatinine phosphokinase (CPK): επίπεδο του ενζύμου CPK στο αίμα (mcg/L)
- diabetes: εάν ο ασθενής έχει διαβήτη (boolean)
- ejection fraction: ποσοστό αίματος που φεύγει από την καρδιά σε κάθε συστολή (ποσοστό)
- high blood pressure: εάν ο ασθενής έχει υπέρταση (boolean)
- platelets: αιμοπετάλια στο αίμα (kiloplatelets/mL)
- sex: γυναίκα ή άνδρας (binary)
- serum creatinine: επίπεδο κρεατινίνης ορού στο αίμα (mg/dL)
- serum sodium: επίπεδο νατρίου ορού στο αίμα (mEq/L)
- smoking: αν ο ασθενής καπνίζει ή όχι (boolean)
- time: περίοδος παρακολούθησης (ημέρες)
- DEATH_EVENT: αν ο ασθενής πέθανε κατά τη διάρκεια της περιόδου παρακολούθησης (boolean)
Βημα 1: Η μεταβλητη στοχου ειναι η DEATH_EVENT μετατρεψτε την σε τυπου string
Βημα 2: Διαχωρηστε τα δεδομενα σε Training & Test Dataset με αναλογια 70%-30% αντιστοιχα. Χρησιμοποιηστε Stratified Sampling στη μεταβλητη στοχου για να διατηρηθει η αναλογια των κλασεων στα δυο αυτο υποσυνολα
Βημα 3: Εκπαιδευστε ενα Decision Tree για να προβλεψει τη μεταβλητη στοχου με βαση τα υπολοιπα 12 χαρακτηριστικα. Χρησιμοποιηστε την default παραμετροποιηση του κομβου Decision Tree Learner
Βημα 4: Χρησιμοποιηστε τις προβλεψεις του μοντελου απο το Test Dataset για να εκτιμησετε την αποδοση του μοντελου. Χηριμοποιηστε τους κομβους Scorer και ROC Curve για το σκοπο αυτο
Βημα 5: Ποια η αποδοση του μοντελου; Αλλαξτε το Quality measure σε Gain Ratio. Ποια ειναι τωρα η αποδοση του μοντελου; Επιλεξτε Minimum number records per node=5. Ποια ειναι τωρα η αποδοση του μοντελου;