Application de prédiction du diabète avec apprentissage automatique

DEV - 06/04
Introduction du projet Le diabète est une condition qui affecte la façon dont votre corps traite le sucre ...

Introduction du projet

Le diabète est une condition qui affecte la façon dont votre corps traite le sucre (glucose). En règle générale, votre corps utilise l'insuline pour aider à réguler la glycémie, mais dans le diabète, ce processus est perturbé. Il existe deux types principaux:

  • Diabète de type 1: Le corps ne produit pas du tout de l'insuline. Il se développe généralement tôt dans la vie et nécessite des injections d'insuline.
  • Diabète de type 2: se produit lorsque le corps ne produit pas suffisamment d'insuline ou ne peut pas l'utiliser correctement. Il est plus courant et souvent lié à des facteurs de style de vie comme le régime alimentaire et l'exercice.

S'il n'est pas géré, le diabète peut entraîner de graves problèmes de santé, mais avec les bons soins, comme une alimentation équilibrée, de l'exercice et des médicaments, il peut être contrôlé. C’est là que votre application de prédiction du diabète entre en jeu, aidant les gens à obtenir une indication précoce et à agir!

Objectif du projet

L'ensemble de données de ce projet a été téléchargé à partir de Kaggle. Ce projet vise à développer une application qui peut prédire si un patient est diabétique. La manipulation et la visualisation des données auront également lieu pour obtenir des informations. Une régression logistique et un modèle de classificateur de forêt aléatoire seraient créés, et le modèle le plus performant serait utilisé pour déterminer si un patient est diabétique ou non.

Présentation de l'ensemble de données

L'ensemble de données est obtenu à partir de https://www.kaggle.com/datasets/uciml/pima-indians-diabetes-database

Importer les bibliothèques requises

#Import les bibliothèques requises importer des pandas en tant que pd importent numpy que np import Matplotlib.potplot as PLT import SeaBorn comme sns importations avertissements.
Entrez le mode de sortie en mode plein écran

Chargez l'ensemble de données

df = pd.read_csv ('diabetes.csv') df.head (5)
Entrez le mode de sortie en mode plein écran

Obtenir des informations sur l'ensemble de données

#Information de DataSet DF.info ()
Entrez le mode de sortie en mode plein écran

Informations sur les attributs de l'ensemble de données

  • Grossesses: pour exprimer le nombre de grossesses
  • Glucose: exprimer le niveau de glucose dans le sang
  • Pression artérielle: pour exprimer la mesure de la pression artérielle
  • Skinthickness: pour exprimer l'épaisseur de la peau
  • Insuline: exprimer le niveau d'insuline dans le sang
  • IMC: pour exprimer l'indice de masse corporelle
  • Diabète Fonctionnaire: Pour exprimer le pourcentage de diabète
  • Âge: pour exprimer l'âge
  • Résultat: Pour exprimer le résultat final, 1 est oui et 0 est non

Statistiques de l'ensemble de données

#Check Statistics of DataSet DF.deScribe (). T
Entrez le mode de sortie en mode plein écran

Observation:

  • Les statistiques de l'ensemble de données montrent que les valeurs minimales du glucose, de la pression artérielle, de l'épaisseur de la peau, de l'insuline et de l'IMC ne peuvent pas être réalistes 0, c'est donc un cas qui doit être traité....
    [Courte citation de 8% de l'article original]