Progetto Machine Learning - Patient Survival Prediction

L'obiettivo è quello di utilizzare il dataset Patient Survival Prediction per effettuare il training diversi classificatori, al fine di predirre se un paziente sopravvivrà o morirà sulla base dei parametri vitali registrati al momento dell'ingresso in ospedale. Per fare ciò si effettua innanzitutto una fase di Data Exploration, in modo da ricavare informazioni utili sui dati da utilizzare, e comprendere quali sono le feature probabilmente più rilevanti ai fini della classificazione. Dopo aver splittato il dataset in Testing e Training Set, si procede conj l'Ingegneria delle Features sul Training Set, rimuovendo le features con valori nulli, poco correlate con il target, ed applicando la feature selection. Successivamente si esegue una fase di Model Selection sui vari classificatori considerati, effettuando il tuning dei loro iperparametri. Infine, si eseguono tutti i Classificatori con le features ed i parametri individuati in precedenza, effettuando un confronto tra le prestazioni ottenute.

Indice

• Operazioni Preliminari
  • Installazione dipendenze
  • Import delle Librerie
  • Caricamento del sataset
  • Funzioni e variabili user-defined $$$$
• Data Exploration
  • Descrizione del Dataset
  • Bilanciamento delle classi
  • Distribuzione delle Features
  • Visualizzazione campi non nulli
  • Conversione Features e Mapping
  • Correlazione tra le Features
  • Analisi delle Features $$$$
• Criterio di Performance Evaluation
  • Training & Test Splitting
  • Scelta della Metrica
  • Risultati sul Dataset originale $$$$
• Features Engineering
  • Rimozione features con valori nulli
  • Rimozione features con bassa varianza
  • Rimozione features con bassa correlazione col target
  • Feature Selection
  • Confronto Prestazioni
  • Imputazione dei dati mancanti
  • Altri tentativi di Miglioramento
    • SMOTE $$$$
• Model Selection e Classificazione
  • Logistic Regression Classifier
  • Decision Tree Classifier
  • Naive Bayes Classifier
  • Random Forest Classifier
  • AdaBoost Classifier
  • Linear Discriminant Analysis
  • Support Vector Machine
  • KNeighbors Classsifier
  • MLP Classifier $$$$
• Contronto e Conclusioni