डायबिटीज जोखिम भविष्यवाणी के लिए व्याख्यायित एंडसंबल लर्निंग का उपयोग करते हुए SHAP स्थिरता विश्लेषण

इस अध्ययन में, हम Pima Indians Diabetes डेटासेट का उपयोग करके डायबिटीज जोखिम भविष्यवाणी के लिए एक एंडसंबल लर्निंग दृष्टिकोण का उपयोग करते हैं। गायब मूल्यों को माध्य प्रविष्टि के माध्यम से संभाला गया, और "SkinThickness" विशेषता को हटा दिया गया क्योंकि इसका मॉडल प्रदर्शन पर बहुत कम प्रभाव था। रैंडम फॉरेस्ट, XGBoost, और LightGBM मॉडल का मूल्यांकन किया गया, और अंतिम भविष्यवाणी एक सॉफ्ट वोटिंग एंडसंबल रणनीति का उपयोग करके प्राप्त की गई। प्रस्तावित एंडसंबल ने ROC-AUC = 0.821, recall = 0.685, और F1 = 0.667 प्राप्त किया। SHAP-आधारित व्याख्या और स्थिरता विश्लेषण ने लगातार ग्लूकोज, BMI, डायबिटीज पैडिग्री फ़ंक्शन, आयु, और गर्भधारणाओं को प्रमुख भविष्यवक्ताओं के रूप में पहचाना। जोखिम स्तरीकरण, निष्पक्षता मूल्यांकन, और निर्णय वक्र विश्लेषण ने नैदानिक रूप से व्याख्यायित और विश्वसनीय व्यवहार का प्रदर्शन किया। परिणाम सुझाव देते हैं कि व्याख्यायित एंडसंबल मॉडल प्रारंभिक डायबिटीज स्क्रीनिंग के लिए प्रभावी समर्थन प्रदान करते हैं।