Bu proje, Otizm Spektrum Bozukluğu (OSB) ile ilgili veri setini kullanarak çeşitli makine öğrenimi yöntemleri ile analiz yapmak amacıyla geliştirilmiştir. Proje, verilerin ön işlenmesi, model eğitimi ve modelin performansının değerlendirilmesi adımlarını içermektedir.
Veri seti, OSB.csv dosyasından yüklenmektedir. Bu dosya, bireylerin otizm spektrum bozukluğu ile ilgili özelliklerini içeren verileri barındırmaktadır. Hedef değişken, bireylerin OSB durumu olup, diğer sütunlar çeşitli demografik ve klinik bilgileri temsil etmektedir.
pandas: Veri işleme ve analizi için.numpy: Nümerik hesaplamalar için.matplotlib: Verilerin görselleştirilmesi için.seaborn: İleri düzey veri görselleştirmeleri için.scikit-learn: Makine öğrenmesi ve modelleme için.
- Veri Yükleme: Veri seti yüklendikten sonra, veriler üzerinde genel bir inceleme yapılmaktadır.
- Eksik Değer Analizi: Veri setindeki eksik değerler kontrol edilmekte ve gerekli işlemler yapılmaktadır.
- Kategorik Verilerin Kodlanması: Kategorik veriler, modelin anlayabileceği biçimde sayısal verilere dönüştürülmektedir.
- Veri Normalizasyonu: Özelliklerin ölçeklendirilmesi, modelin performansını artırmak için yapılmaktadır.
- Model Seçimi: OSB durumunu tahmin etmek için
DecisionTreeClassifierveya başka makine öğrenimi algoritmaları kullanılmaktadır. - Eğitim ve Test Kümeleri: Veri seti, eğitim ve test kümeleri olarak ayrılmakta ve model eğitilmektedir.
Modelin performansı, doğruluk, kesinlik, duyarlılık ve F1 skoru gibi metriklerle değerlendirilmektedir. Bu metrikler, modelin genel başarısını ve güvenilirliğini analiz etmekte yardımcı olmaktadır.
Analiz sonuçları, OSB ile ilgili bulguları ve modelin başarısını içermekte olup, hangi özelliklerin OSB durumu ile daha güçlü bir ilişkiye sahip olduğu belirlenmektedir.
Proje dosyalarını indirip çalıştırarak, Otizm Spektrum Bozukluğu verisi ile makine öğrenimi modelini kendiniz de deneyebilirsiniz. Kodun çalışabilmesi için gerekli kütüphanelerin yüklü olması gerekmektedir.