В этом репозитории описана вся исследовательская работа, которую мы провели в рамках хакатона BestHack 2022 от МГТУ в составе команды punk_butterfly.
На выбор было две задачи. Нам понравилась идея задания №2, поэтому было решено браться за нее.
Необходимо решить одну из задач «Цифровой реанимации». В представленном датасете имеются медицинские параметры пациентов, больных раком. Необходимо классифицировать на основе этих данных – пациент жив или погиб.
Для этого задания заранее подготовлен baseline с точностью 50%.
- Медицинские данные полны терминологии, которую необходимо изучить для проработки вопроса;
- Низкая корреляция данных с таргетом, возможно, придется создавать новые фичи;
- Признаков (фич) много, необходимо выбрать те, которые способны дать максимальный результат.
- Датасет с размеченными таргетами, состоящий из 259 записей (пациентов);
- Датасет из 112 записей, которые необходимо предсказать.
Качество модели будет оцениваться по метрике balanced accuracy.
Последовательность наших действий подробно описана в итоговом ноутбуке, состоящем из выбранных нами лучших подходов. К сожалению, мы ошиблись, когда решили использовать некую ф??гню эвристику, вместо методов кластеризации. Данный подход на private выборке дал качество всего 0,67, из-за чего мы не прошли в финал. Но задание было очень увлекательным и веселым :)
- Задание - формулировка задачи от организаторов хакатона;
- Data_analysis - ноутбук с исследованием данных и используемых моделей (все подробно описано);
- Prediction - ноутбук для предикта;
Чтобы запустить, нужно удалить первую ячейку (она для подключения к гугл диску), и поменять путь до файлов в третьей ячейке. Результатом работы программы будет файл Result.csv.
- Result.csv - файл с предиктами для Test_unlabled;
- Презентация решения - краткое описание проделанной работы;
- Baseline - решение, предложенное организаторами.