ПРОГНОЗУВАННЯ ПРИЧИН ВИЯВЛЕННЯ ЦУКРОВОГО ДІАБЕТУ МЕТОДАМИ МАШИННОГО НАВЧАННЯ
DOI:
https://doi.org/10.34185/1562-9945-1-156-2025-05Ключові слова:
цукровий діабет, прогнозування, машинне навчання, Decision Tree, Random Forest, Ada Boost, k-NN.Анотація
Цукровий діабет - одне з найпоширеніших хронічних захворювань у світі, яким страждає близько 530 мільйонів людей. Основна причина появи включає генетичну схильність, ожиріння, неправильну харчову поведінку, інсулінорезистентність та шкідливі звички. Вчасне виявлення захворювання може запобігти його розвитку. Бага-то симптомів цукрового діабету, таких як сухість у роті, часті сечовипускання, по-гіршення зору, втрата ваги, постійне відчуття голоду, не завжди відразу розгляда-ються як ознаки захворювання. Але ці симптоми можуть бути ранніми показниками високого рівня глюкози у крові. В роботі проведено аналіз факторів та причин, які впливають на ризик розвитку цукрового діабету та зроблено прогнозування методом машинного навчання Decision Tree, Random Forest, k-NN та Ada Boost. Поведено аналіз отриманих результатів, оцінено точність використаних методів. Отримані резуль-тати нададуть змогу виявляти значно більшу кількість випадків діабету до його поя-ви, раннє та ефективне лікування, зменшення витрат на медичне обслуговування.
Посилання
American Diabetes Association. Diagnosis and classification of diabetes mellitus // Diabe-tes Care. Clinical Practice Recommendations. 2012. Vol. 35 (Supplement_1). P. 64-71. URL: https://doi.org/10.2337/dc12-s064.
Larabi-Marie-Sainte S., Aburahmah L., Almohaini R., Saba T. Current techniques for dia-betes prediction: review and case study // Appl. Sci. 2019. Vol. 9, no.
URL: https://doi.org/10.3390/app9214604.
Zia U.A., Khan N. Predicting diabetes in medical datasets using machine learning tech-niques // Int. J. Sci. Eng. Res. 2017. Vol. 8(5). P. 257–267.
Neha D., Chande P., Neha M. A Study of Machine Learning Techniques for Diabetes Pre-diction // International Journal of Emerging Trends.in Engineering Research. 2022. Vol. 10, no. 2. P. 133-140. URL: https://doi.org/10.30534/ijeter/2022/181022022.
Kamadi, V., Allam A., Thummala, S. A computational intelligence technique for the effec-tive diagnosis of diabetic patients using principal component analysis (PCA) and modified fuzzy SLIQ decision tree approach // Applied Soft Computing, 2016. Vol.49, P.137-145. URL: https://doi.org/10.1016/j.asoc.2016.05.010.
Sydorenko K.V., Khomiak Т.V. Аnaliz prichyn ta prognozyvannya vyiavlennya tsykrovogo diabety metodom mashinnogo navchannya Decision Tree // The 6th International scientific and practical conference“Methodical and practical methods of creating inventions” (October 24 – 27, 2023), Sofia, Bulgaria. International Science Group. 2023. p. 266-271. (URL: https://doi.org/10.46299/ISG.2023.2.6).
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Системні технології

Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.