Применение модели XGBoost для обработки данных о пациентах

Abstract

Рассмотрены способы нахождения определяющих признаков, рассмотрен метод прогнозирования XGBoost. Для выделения значимых признаков наличия у пациента диабета использовался корреляционный анализ. Была проведена балансировка данных SMOTE для получения более точных результатов прогноза. Метод XGBoost показал хорошие результаты для данной задачи. Разработанный алгоритм позволяет предсказывать наличие диабета у пациента с высокой точностью.