راهنمای تدوین اصل مقالات مقایسه الگوریتمهای یادگیری ماشین برای پیشبینی دیابت نقش متوازن سازی دادهها با SMOTEENN و بهینه سازی ابرپارامترها با Optuna

دیابت یکی از شایعترین بیماریهای مزمن است که نیازمند ابزارهای پیش بینی دقیق میباشد. در این پژوهش، پنج الگوریتم یادگیری ماشین شامل رگرسیون لجستیک، ماشین بردار پشتیبان، جنگل تصادفی، گرادیان بوستینگ و شبکه عصبی پرسپترون چندلایه بر روی دادههای بالینی بیش از ۳۰ هزار بیمار ارزیابی شدند. مطالعه در دو فاز انجام شد: نخست با دادههای نامتوازن و سپس با دادههای متوازن شده توسط SMOTEENN. بهینه سازی ابرپارامترها با Optuna در هر دو فاز موجب ارتقای عملکرد مدلها گردید. نتایج نشان دادند که گرادیان بوستینگ بهترین عملکرد کلی را در شناسایی بیماران دیابتی ارائه داد.

کلیدواژه ها:

پیش بینی دیابت ، یادگیری ماشین ، گرادیان بوستینگ ، جنگل تصادفی ، Optuna