SMOTE-ENN Resampling to Optimize Diabetes Prediction in Imbalanced Data
Notice bibliographique
Résumé
This study reveals the role of resampling techniques in enhancing the performance of various ML models to detect Diabetes Mellitus (DM) in imbalanced datasets, namely BRFSS 2015 and PIMA Indian.For this purpose, five ML algorithms, KNN, RF, SVM, GB, and XGB, were implemented on both datasets before and after resampling using SMOTE, SMOTE-TOMEK, and SMOTE-ENN.The results uncovered that all resampling techniques improve the performance of all ML models.The best improvement was achieved by combining the KNN model and SMOTE-ENN technique, with an accuracy of 0.97 and other evaluation metrics of 0.96-0.99 for the BRFSS 2015.For the PIMA Indian, the combination performs perfectly with all evaluation metrics, with a value of 1.0.This study observed that resampling improves the correlation between each feature and the target, making it easier for the model to recognize data patterns.It was also found that in unbalanced datasets, the role of resampling is more worthy of attention than the choice of the algorithm.With the proper technique, namely SMOTE-ENN, the difference in performance between ML models was only a maximum of 2 to 4%.It makes the ML DM prediction more flexible when applied to the health sector.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».