Bu proje, seçilen medikal özelliklere dayanarak diyabeti tahmin etmek için Decision Tree Classifier kullanır.

• Dosya: diabetes.csv
• Özellikler: Glucose, Insulin, BMI, Age
• Hedef: Outcome (0 = Sağlam, 1 = Diyabetli)

• Kategorik değerler (Yes/No) sayısal değerlere (1/0) dönüştürülür.
• Seçilen özellikler: Glucose, Insulin, BMI, Age
• Hedef değişken: Outcome

• Veri seti %50 eğitim ve %50 test olarak ayrılır (train_test_split, random_state=42)

• Decision Tree Classifier, max_depth=100 parametresi ile oluşturulur
• Model eğitim verisi üzerinde eğitilir

• Karar ağacı matplotlib ile çizilir
• Düğümler özellik ve sınıf isimleri ile etiketlenir:
  • 0: Sağlam (Healthy)
  • 1: Diyabetli (Diabetic)

• Doğruluk (Accuracy): %71
• Karışıklık Matrisi (Confusion Matrix):
• [[197 54] [ 57 76]]
• F1 Skoru: 0.578
• Classification Report: Her sınıf için precision, recall ve F1 skoru

Not: Model sağlıklı hastaları tahmin etmede oldukça başarılı, ancak diyabetli hastalarda performansı daha düşük. Özellik seçimi ve hiperparametre optimizasyonu ile model performansı artırılabilir.

Bu proje, KMeans algoritmasını kullanarak rastgele oluşturulmuş veri kümelerini analiz etmeyi ve görselleştirmeyi amaçlamaktadır.

• make_blobs fonksiyonu ile 4 merkezli, 560 örnekten oluşan rastgele veri kümesi oluşturulur
• x: Özellikler, y: Gerçek etiketler

• n_clusters=10 ile KMeans tanımlanır
• Model veri üzerinde fit edilir ve her veri noktası bir kümeye atanır (labels)

• cluster_centers_ ile bulunur ve görselleştirmede kırmızı X ile gösterilir

• matplotlib ile veri noktaları ve kümeleri renklerle gösterilir
• Küme merkezleri vurgulanır ve legend ile açıklanır.

Bu proje, Decision Tree Classifier kullanılarak diyabet tahmini yapılmasını ve model performansını artırmak için hiperparametre optimizasyonunu içerir.

• 3 katlı çapraz doğrulama ile modelin genel doğruluğu ölçülür

• max_depth için değerler denenir: [3, 5, 7, None, 15]
• 5 katlı çapraz doğrulama ile en iyi hiperparametre seçilir
• En iyi parametre ile model tekrar test edilir ve performans raporlanır

• Python 3.x
• pandas, numpy
• scikit-learn
• matplotlib, seaborn