Анализ данных клеток рака (поиск инсайтов, составление рекомендаций стейкхолдерам, построение предиктивной модели классификации типа клеток)

СТАТУС: Завершён

Цели проекта:

В рамках проведения исследования была поставлена задача разработки модели для классификации раковых клеток на основе имеющихся медицинских данных. Цель проекта заключалась в создании инструмента для более точного и быстрого выявления заболеваний, что может существенно повысить эффективность лечения и спасти жизни пациентов.

Бизнес-Задачи:

1. Подбор эффективной модели для классификации раковых клеток на доброкачественные или злокачественные с целью повышения эффективности диагностики и лечения заболеваний.
2. Увеличение точности определения типа раковых клеток, что может способствовать своевременному началу лечения и повысить шансы на выздоровление.

Вывод исследования:

Была выполнена обширная работа по анализу данных клеток рака, которая позволила найти оптимальную границу для их классификации на злокачественные и доброкачественные клетки. Была построена модель классификации методом логистической регрессии, которая имеет высокую точность (0.97 на тестовой выборке).

Результат классификации модели логистической регрессии с использование оценки ROC-AUC модели вы можете видеть на следующем графике:

Чем больше кривая охватывает верхний левый угол графика, тем лучше модель классифицирует данные по категориям и избегает ошибки первого и второго рода.

Использование результатов исследования:

Результаты работы позволят существенно улучшить диагностику и сократить количество ошибочных диагнозов. Полученая информация о зависимостях в данных может помочь врачам ставить диагнозы куда быстрее на первых этапах лечения.

Технические особенности проекта:

Для подбора эффективного метода классификации использовались различные подходы оптимизации данных, но лучше всех себя показал метод главных компонент, который и использовался для получения конечных результатов классификации. Для подбора метода оптимизации данных использовались различные наборы визуализаций.

Инструменты проекта

• Python
• Pandas
• Sklearn
• Matplotlib.pyplot