ข้อมูลนี้เกี่ยวกับภาวะหัวใจล้มเหลว มาจาก Heart Failure Prediction ใน kaggle ซึ่งประกอบไปด้วย label คือ 0 = ไม่เป็นภาวะหัวใจล้มเหลว และ 1 = มีภาวะหัวใจล้มเหลวแล้วเสียชีวิต
- Label (จาก DEATH_EVENT column)
จะเห็นว่าข้อมูลชุดนี้เป็น Imbalanced โดยที่ class 0 มีประมาณ 200 rows และ class 1 มีเกือบ 100 rows
- Correlation
Dashboard (Click here)
Dashboard filter by Class0 (Click here)
Dashboard filter by Class1 (Click here)
หมายเหตุ: ใน powerbi ไม่มี Histogram มาให้ แต่มีส่วนเสริมให้ใช้แทน อาจทำให้กราฟดูยากบ้าง การดู Dashboard เลยแนะนำให้เปิดไฟล์ของ powerbi ดู จะดูได้ง่ายกว่าแบบรูปนะคะ
| No. | Model | Dataset | Train set | Test set | Description | Accuracy | Precision | Recall | F1-Score | AUC |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Decision Tree | ใช้ข้อมูลทั้งหมดเลย (Imbalanced) | 70% = Class 0: 139 rows, Class 1: 70 rows | 30% = Class 0: 64 rows, Class 1: 26 rows | - | 80% | Class 0: 88%, Class 1: 63% | Class 0: 83%, Class 1: 73% | Class 0: 85%, Class 1: 68% | 78% |
| 2 | Random Forest | ใช้ข้อมูลทั้งหมดเลย (Imbalanced) | 70% = Class 0: 139 rows, Class 1: 70 rows | 30% = Class 0: 64 rows, Class 1: 26 rows | ใช้จำนวน estimators = 78 | 90% | Class 0: 94%, Class 1: 81% | Class 0: 92%, Class 1: 85% | Class 0: 93%, Class 1: 83% | 94% |
| 3 | XGBoost | ใช้ข้อมูลทั้งหมดเลย (Imbalanced) | 70% = Class 0: 139 rows, Class 1: 70 rows | 30% = Class 0: 64 rows, Class 1: 26 rows | - | 88% | Class 0: 93%, Class 1: 76% | Class 0: 89%, Class 1: 85% | Class 0: 91%, Class 1: 80% | 93% |
- Feature Importance from Random Forest
