기계 학습 기법을 이용한 당뇨병 예측

당뇨병은 고혈당으로 특징지어지는 만성 질환입니다. 이 질환은 여러 합병증을 초래할 수 있습니다. 최근 몇 년간의 증가하는 이환율에 따르면, 2040년에는 전 세계의 당뇨병 환자가 6억 4천 2백만 명에 이를 것이며, 이는 미래의 10명 중 1명이 당뇨병으로 고통받고 있음을 의미합니다. 이 위험한 수치는 반드시 큰 주목을 받을 필요가 있습니다. 기계 학습의 빠른 발전과 함께, 기계 학습은 의료 건강의 여러 측면에 적용되고 있습니다. 본 연구에서는 결정 트리, 랜덤 포레스트 및 신경망을 사용하여 당뇨병을 예측하였습니다. 데이터셋은 중국 루저우의 병원 신체검사 데이터를 포함하고 있으며, 14개의 속성을 가지고 있습니다. 본 연구에서는 모델을 검토하기 위해 5배 교차 검증을 사용하였습니다. 방법의 보편적 적용 가능성을 검증하기 위해, 성능이 우수한 몇 가지 방법을 선택하여 독립 테스트 실험을 실시하였습니다. 우리는 각각 68,994명의 건강한 사람과 당뇨병 환자의 데이터를 훈련 세트로 무작위 선택하였습니다. 데이터 불균형으로 인해, 우리는 무작위로 5배의 데이터를 추출하였습니다. 결과는 이 다섯 실험의 평균값입니다. 본 연구에서는 주성분 분석(PCA)과 최소 중복 최대 관련성(mRMR)을 사용하여 차원 축소를 수행했습니다. 결과는 랜덤 포레스트를 사용할 경우 모든 속성을 사용할 때 가장 높은 정확도(ACC = 0.8084)에 도달할 수 있음을 보여주었습니다.