Alzheimer Clinical Predictor
табличный классификатор для учебного анализа
2 мин чтенияобновлено
Модель бинарной классификации (разделения данных на два класса) от студентов Университета Бразилиа (Universidade de Brasília), обученная на открытом наборе табличных медицинских данных. Она принимает 59 заранее подготовленных числовых признаков и возвращает вероятность положительного диагноза и итоговый класс. В основе лежит алгоритм GradientBoostingClassifier из библиотеки scikit-learn (не нейросеть-трансформер, а градиентный бустинг над решающими деревьями), настроенный через случайный поиск гиперпараметров. Проект создан исключительно в учебных и исследовательских целях и не прошёл клиническую валидацию.
Ключевые особенности
- Обучена на 2149 записях из датасета Alzheimer's Disease Dataset, где 35,4% примеров относятся к положительному классу.
- Принимает строго 59 предварительно обработанных признаков (после импутации пропусков, генерации 23 производных переменных и масштабирования
RobustScaler). - Оптимизирована по метрике recall (полнота — доля правильно найденных положительных случаев) с помощью
RandomizedSearchCVна 5 фолдах. - Поставляется с готовым скриптом
inference.pyи файломpipeline.py, совместимым с общим интерфейсом табличной классификации Hugging Face.
Что можно сделать
- Использовать как готовый эталон для изучения полного цикла работы с табличными данными: от борьбы с выбросами и создания признаков до фиксации артефактов в MLflow.
- Воспроизвести пайплайн на исходном датасете с Kaggle, прогнав ноутбуки предобработки из связанного GitHub-репозитория, и протестировать инференс на локальной машине.
- Сравнить качество градиентного бустинга с другими классическими алгоритмами (в экспериментах авторов модель обошла Random Forest и SVM по recall).
Пример
from huggingface_hub import snapshot_download
snapshot_download(
repo_id="DaviNeg/Alzheimer_Clinical_Predictor",
local_dir="alzheimer_model",
allow_patterns=["model/*", "inference.py", "pipeline.py", "requirements.txt"],
)
Подробнее
Метрики: recall 0,8882 на отложенной тестовой выборке (20%) при стандартном пороге 0,5; средний recall на 5-фолдовой кросс-валидации — 0,9227.Окружение: Python 3.12.10, scikit-learn 1.7.2, NumPy 2.4.4, pandas 2.3.3.
Ограничения: модель не предназначена для постановки диагнозов; предобработка и масштабирование проводились до разбиения на train/test (риск утечки данных), а сами трансформеры не включены в репозиторий.
Безопасность и лицензия: веса сохранены в
model.pkl через cloudpickle (загружайте только после проверки SHA-256); распространяется под лицензией MIT.









Комментарии