Modelo de regressão logística aprimorado para previsão de diabetes integrando técnicas de PCA e K-means

O diabetes causa um grande número de mortes a cada ano e muitas pessoas que vivem com a doença não percebem sua condição de saúde cedo o suficiente. Neste estudo, propomos um modelo baseado em mineração de dados para diagnóstico precoce e previsão de diabetes usando o conjunto de dados do Diabetes dos Índios Pima. Embora o K-means seja simples e possa ser usado para uma ampla variedade de tipos de dados, ele é bastante sensível às posições iniciais dos centros de clusters, que determinam o resultado final do cluster, que pode fornecer um conjunto de dados suficientes e eficientemente agrupados para o modelo de regressão logística, ou fornecer uma quantidade menor de dados como resultado de agrupamento incorreto do conjunto de dados original, limitando assim o desempenho do modelo de regressão logística. Nosso objetivo principal foi determinar maneiras de melhorar a acurácia da classificação do K-means e a regressão logística. Nosso modelo compreende PCA (análise de componentes principais), K-means e algoritmo de regressão logística. Resultados experimentais mostram que o PCA melhorou o algoritmo de clustering K-means e a precisão do classificador de regressão logística em comparação com o resultado de outros estudos publicados, com uma saída do K-means de 25 dados classificados corretamente a mais, e uma precisão de regressão logística 1,98% maior. Assim, o modelo se mostrou útil para prever automaticamente o diabetes usando dados de registros eletrônicos de saúde dos pacientes. Um experimento adicional com um novo conjunto de dados mostrou a aplicabilidade do nosso modelo para a predição de diabetes.