Публикации автора

Диабет является долгосрочным дорогостоящим заболеванием, которое повышает уязвимость людей к развитию тревожных расстройств. Следовательно, эффективное лечение тревожности при диабете может значительно улучшить общее лечение пациентов. В этой статье представлен сравнительный анализ трех алгоритмов машинного обучения, а именно логистической регрессии (LR), поддержки Векторный метод (SVM) и дерево решений (DT) для прогнозирования тревожности у диабетиков. Был использован марокканский набор данных, а для настройки гиперпараметров использовался метод поиска по сетке.

Полученные результаты демонстрируют многообещающие показатели эффективности алгоритмов. Алгоритм «Дерево решений» показал самую высокую точность, достигнув впечатляющих 96 % при прогнозировании тревожности у пациентов с диабетом. Алгоритм «Метод опорных векторов» показал точность 69 %, а алгоритм «Логистическая регрессия» — 61 %. Эти результаты дают ценную информацию для дальнейших исследований, направленных на совершенствование моделей прогнозирования.

В заключение отметим, что исследование демонстрирует потенциал алгоритмов машинного обучения в прогнозировании тревожных расстройств у пациентов с диабетом. Высокая точность, продемонстрированная моделью «Дерево решений», указывает на ее потенциал в качестве надежного инструмента в клинических условиях. Для подтверждения этих результатов и изучения применимости этих моделей в реальных сценариях необходимы дальнейшие исследования. Это в конечном итоге позволит улучшить лечение и качество жизни людей с диабетом и сопутствующими тревожными расстройствами.