Editorial Ilmu Komputer & AI
Prediksi penyakit diabetes menggunakan ansambel model multi-pengklasifikasi machine learning
Masalah inti
Inovasi
Kerangka yang diusulkan mencakup beberapa langkah pra-pemrosesan: penghapusan sampel duplikat, konversi atribut, imputasi nilai yang hilang, normalisasi dan standardisasi data, pemilihan fitur, dan k-fold cross-validation. Beberapa model machine learning diimplementasikan: k-Nearest Neighbors (k-NN), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF), AdaBoost, dan Gaussian Naive Bayes (GNB). Untuk mengatasi ketidakseimbangan dataset, diperkenalkan pendekatan ansambel berbobot berdasarkan Area Under the Receiver Operating Characteristic Curve (AUC). Penyetelan hyperparameter dilakukan menggunakan grid search dan optimasi Bayesian. Pipeline dapat direpresentasikan sebagai:
Ansambel berbobot menggabungkan prediksi dari model dasar menggunakan bobot yang proporsional dengan skor AUC masing-masing. Keluaran ansambel dapat dinyatakan sebagai:
dengan adalah bobot untuk model berdasarkan AUC-nya, dan adalah probabilitas prediksi untuk kelas .
Mengapa penting
Siapa yang sebaiknya membaca
Membuka konten memberโฆ