Контрольная работа

Задача

Написать код, который позволит вам ознакомиться с данными, сделать предобработку и построить модель машинного обучения. Используйте несколько метрик качества для оптимизации модели.

От вас жду ссылку на googlecolab или на файл .ipynb /.py

По этим данным нужно предсказать, на основе характеристик пациента, есть ли у этого конкретного человека заболевание сердца или нет.

Ожидаемый результат

Код, позволяющий: предобработать данные (удалить дубликаты, выбросы и т.п.), построить модель машинного обучения(алгоритм на ваш выбор). Оценка полученных результатов, улучшение модели на основе метрик качества. Интерпретация результатов.

Ссылка на датасет: https://drive.google.com/file/d/1xi60gvP1TdbBKJcafZnxXokq_FeKm3fA/view?usp=sharing

Описание колонок:

id (уникальный идентификатор для каждого пациента)

age (Возраст пациента в годах)

origin (место учебы)

sex (Мужской/Женский)

cp chest pain type([типичная стенокардия, атипичная стенокардия, неангинальная, бессимптомная])

trestbps resting blood pressure ((кровяное давление покоя (в мм рт. ст. при поступлении в стационар))

chol (холестерин сыворотки в мг/дл)

fbs (если уровень сахара в крови натощак > 120 мг/дл)

restecg (результаты электрокардиографии в состоянии покоя)

-- Значения: [normal, stt abnormality, lv hypertrophy] [норма, отклонения от нормы, гипертрофия ЛЖ]

thalach: достигается максимальная частота сердечных сокращений

exang: стенокардия, вызванная физической нагрузкой (True/False)

oldpeak: депрессия ST, вызванная нагрузкой по сравнению с отдыхом.

slope: наклон пикового сегмента ST при нагрузке.

ca: количество крупных сосудов (0–3), окрашенных при рентгеноскопии.

thal: [normal; fixed defect; reversible defect] [нормальный; исправленный дефект; обратимый дефект]

num: прогнозируемый атрибут

Критерии оценивания: (максимум 10 баллов)

предобработка данных       2 балл

реализован алгоритм машинного обучения         2 балла

использование метрик качества (1 и более)        1 балл

построение графиков для визуализации данных и результатов 2 балла

улучшение работы модели 2 балла

интерпретация результатов 1 балл