Bu proje, 2020 CDC Behavioral Risk Factor Surveillance System (BRFSS) veri seti kullanılarak, bireylerin kalp hastalığı risklerini tahmin etmeyi amaçlamaktadır. Çalışma, Akbank Machine Learning Bootcamp kapsamında gerçekleştirilmiştir.
- Kaynak: https://www.kaggle.com/datasets/kamilpytlak/personal-key-indicators-of-heart-disease
- Kapsam: 319.795 birey, 18 değişken.
- Hedef Değişken:
HeartDisease(0: Hayır, 1: Evet)
- Veri Ön İşleme: Kategorik değişkenler kodlanmış, sayısal veriler standartlaştırılmıştır.
- Özellik Mühendisliği: Yeni değişkenler (örneğin
BMI_Category,UnhealthyScore,RiskyLifestyle) türetilerek model performansı artırılmaya çalışılmıştır. - Modelleme: Üç farklı makine öğrenmesi algoritması ile modeller kurulmuştur:
- Random Forest
- XGBoost
- LightGBM
- Dengesiz Veri Problemi:
class_weight='balanced'vescale_pos_weightgibi parametrelerle ele alınmıştır.
Aşağıda modellerin test verisinde gösterdiği performans karşılaştırmaları yer almaktadır:
| Model | Accuracy | Recall | F1 Score |
|---|---|---|---|
| Random Forest | 0.83 | 0.56 | 0.35 |
| XGBoost | 0.75 | 0.76 | 0.35 |
| LightGBM | 0.74 | 0.79 | 0.34 |
⚠️ Not: Recall değerine özellikle odaklanılmıştır çünkü kalp hastalığı gibi kritik bir durumda pozitif sınıfın (hastalığın) doğru yakalanması hayati öneme sahiptir.
Modelimiz kalp hastalığı tahmini konusunda oldukça başarılı sonuçlar vermektedir. Ancak geliştirilebilecek bazı yönler şunlardır:
- Gerçek zamanlı veri akışı: CDC verisi her yıl güncelleniyor. Bu nedenle veri pipeline'ı dinamik hale getirilebilir.
- Web tabanlı kullanıcı arayüzü: Kullanıcıların kendi bilgilerini girerek tahmin alabilecekleri bir web uygulaması geliştirilebilir (Flask, Streamlit vb.).
- Model açıklanabilirliği: SHAP veya LIME gibi yöntemlerle modelin kararlarını açıklayan interaktif görsellikler eklenebilir.
- Derin öğrenme modelleri: Geniş veri kümesi için derin öğrenme tabanlı modeller (MLP, TabNet) denenebilir.