Болезнь Паркинсона — это нейродегенеративное заболевание, которое влияет на двигательную активность и может оказывать существенное влияние на качество жизни человека. Общими симптомами этого являются скованность и голосовые спазмы. Голос является одним из основных индикаторов болезни Паркинсона и, следовательно, является наиболее неинвазивным и экономически эффективным способом выявления болезни Паркинсона.
Набор данных, используемый для этого проекта, был получен из Kaggle, но аналогичный набор данных можно найти в репозитории машинного обучения UCI. В этом наборе данных каждая строка сопоставляется с записью голоса отдельного пациента. Каждый атрибут набора данных представляет собой функцию, извлеченную из этих голосовых записей.
Проект предлагает разработать модель с повышенной точностью, которая может определить, есть ли у человека болезнь Паркинсона или здоровые люди. Цель этого проекта:
Построить модель на основе входных данных записи голоса, которые точно выявляют болезнь Паркинсона с помощью классификатора случайного леса.
Поток модели описан ниже:
Сначала импортируются необходимые библиотеки.
Затем мы загружаем набор данных и разделяем его на обучающие и тестовые наборы данных с помощью sklearn.
После разделения данных мы обучаем разделенные данные с помощью классификатора случайного леса.
Теперь мы используем модель для прогнозирования тестовых данных и оценки точности модели.
Далее мы пытаемся выяснить, сколько деревьев решений требуется для того, чтобы классификатор случайного леса достиг максимальной точности.
В этом проекте классификатор случайного леса также сравнивался с другими классификаторами, такими как дерево решений, машина опорных векторов, гауссовский наивный байесовский алгоритм и т. д.
Количественные результаты следующие:
Из приведенного выше рисунка видно, что из всех классификаторов классификатор Random Forest дал наилучшие показатели точности, точности и отзыва. Отсюда можно сделать вывод, что классификатор случайного леса дает наилучшие результаты для обнаружения болезни Паркинсона.
Чтобы ознакомиться с моим проектом и кодом, посетите мой репозиторий GitHub.
GitHub: Сабаксы