Diabetes Prediction & AI Analytics App

เจ้าของผลงานเล่าไว้แบบนี้

https://miniproject-019-qzgmq6c6wwmzzfhc3jvrku.streamlit.app/ # Diabetes Prediction & AI Analytics App โปรเจ็คนี้จัดทำขึ้นเพื่อวิเคราะห์และทำนายความเสี่ยงของการเป็นโรคเบาหวาน โดยนำเทคนิค Machine Learning มาพัฒนาเป็นเว็บแอปพลิเคชันเพื่อช่วยในการคัดกรองเบื้องต้นได้อย่างรวดเร็วและแม่นยำ ## ข้อมูลผู้พัฒนา - **ชื่อ-นามสกุล:** นายคณิศร จันทรสูตร - **รหัสประจำตัว:** 664245019 - **หมู่เรียน:** 66/43 --- ## 1. การกำหนดปัญหาและ Dataset - **ปัญหา:** โรคเบาหวานเป็นปัญหาทางสาธารณสุขที่สำคัญ การตรวจคัดกรองเบื้องต้นอย่างรวดเร็วสามารถช่วยลดความเสี่ยงและภาวะแทรกซ้อนได้ - **Dataset:** เลือกใช้ชุดข้อมูล **Pima Indians Diabetes Database** (768 รายการ, 8 Features) ที่มีมาตรฐานและมีตัวแปรสำคัญทางสุขภาพชัดเจน เหมาะสำหรับงานจำแนกประเภท (Binary Classification) ## 2. Data Preprocessing ขั้นตอนการเตรียมและทำความสะอาดข้อมูลประกอบด้วย: - **การจัดการค่าศูนย์ (Missing Values):** แปลงค่า 0 ที่ผิดปกติในคอลัมน์สุขภาพ (เช่น Glucose, BMI) เป็น `NaN` แล้วแทนที่ด้วยค่าเฉลี่ย (Mean Imputation) - **การแบ่งข้อมูล:** ทำ Train/Test Split ในสัดส่วน 80% / 20% - **การปรับสเกลข้อมูล (Feature Scaling):** ใช้ `StandardScaler` เพื่อปรับสเกลข้อมูลให้เหมาะสมกับอัลกอริทึม ## 3. การสร้างโมเดล ML (ศึกษาทั้งหมด 5 อัลกอริทึม) โปรเจ็คนี้ได้เปรียบเทียบโมเดลตามบทเรียนทั้งหมด 5 รูปแบบ: 1. **KNN (K-Nearest Neighbors):** จำแนกกลุ่มตามความใกล้เคียงของข้อมูลรอบข้าง 2. **Decision Tree:** วิเคราะห์เงื่อนไขแยกกลุ่มข้อมูลในรูปแบบโครงสร้างต้นไม้ 3. **Logistic Regression:** โมเดลรีเกรสชันพื้นฐานสำหรับงานจำแนกประเภท 4. **SVM (Support Vector Machine):** โมเดลหลักที่ค้นหาเส้นแบ่ง (Hyperplane) ด้วยระยะ M

โดย 664245019-cyber · ดูโพสต์ต้นทาง