Typ 2: Vorhersage von Diabetes mellitus mit einem Klassifikator für tiefe neuronale Netze

Diabetes ist eine schwere Krankheit, die meisten Menschen sind sich des Risikos, das mit der Krankheit verbunden ist, nicht bewusst, weshalb Menschen an diabetischer Nephropathie, Schlaganfall und anderen Erkrankungen sterben. Daher hilft die frühe Identifizierung von Diabetes, eine gute Gesundheit und ein langes Leben zu erhalten. Ansätze des Deep Learning werden verwendet, um Diabetes so genau vorherzusagen, wie es Menschen tun. In dieser Arbeit wird der Klassifikator für tiefe neuronale Netze (DNN), ein unüberwachter Lernansatz, für die genaue Vorhersage des Pima-Indian-Diabetes-Datensatzes verwendet, und ein Modell zur Merkmalsbedeutung, das mit Extra Trees und Random Forest gebaggert wurde, wird zur Merkmalsauswahl eingesetzt. Der Pima-Indian-Diabetes-Datensatz (PID) wurde aus dem Repository von UCI bezogen. Der vorhandene Datensatz wurde mit verschiedenen Formaten von Trainings-Test-Splits getestet. Die Leistung des Modells wurde anhand von Genauigkeit, Spezifität, Sensitivität, Recall und Präzision bewertet. Das Modell erreichte eine Genauigkeit von 98,16 % mit einem zufälligen Trainings-Test-Split, und es wurde festgestellt, dass das Modell eine bessere Leistung als andere moderne Methoden erzielte.