ANÁLISE COMPARATIVA DE TÉCNICAS DE APRENDIZADO DE MÁQUINAS PARA AUXÍLIO NA PREDIÇÃO DE DIABETES MELLITUS

Resumo

A diabetes mellitus é um problema global. Muitas pessoas vivem com a doença sem saber, até que os sintomas se tornem graves, prejudicando sua saúde. O foco da pesquisa é avaliar algoritmos de classificação de diabetes usando dados públicos de pessoas com e sem a doença. Este estudo usa sete algoritmos de aprendizado de máquina para auxiliar no diagnóstico de diabetes mellitus. A pesquisa avalia o desempenho de cada algoritmo e destaca a importância de escolher o algoritmo certo com base nos dados e nos objetivos de predição. O Support Vector Classifier demonstrou uma acurácia geral notável, mantendo uma Precision elevada, o que o torna uma escolha sólida para cenários onde é fundamental evitar falsos positivos, assim como o algoritmo Logistic Regression. Isso é relevante para a área de previsão de diabetes e abre oportunidades para mais pesquisas em inteligência artificial e saúde pública.