Projekt uczenia maszynowego do prognozowania cukrzycy

Ten projekt zawiera umiejętności związane z uczeniem maszynowym, mające na celu prognozowanie prawdopodobieństwa wystąpienia cukrzycy u człowieka. Projekt obejmuje wdrożenie różnych modeli klasyfikacji, a także sztucznej sieci neuronowej (ANN) do rozwiązania zadania klasyfikacji.

Zrealizowane modele
W projekcie zrealizowano następujące modele:

Regresja logistyczna
Klasyfikator oparty na metodzie wektorów nośnych (SVC)
Naïve Bayes klasyfikator (Gaussowski)
Klasyfikator lasu losowego
Klasyfikator gradientowego wzmacniania
Klasyfikator AdaBoost
Klasyfikator Extra Trees
Klasyfikator XGBoost
Klasyfikator LightGBM (importowany jako lgb.LGBMClassifier)