LungCancerClassificationAndPrediction

Modelo de regressão logística binária.

fonte: Linear Regression Vs. Logistic Regression, Data Camp.

Objetivo:

Classificar e prever o câncer de pulmão usando regressão logística binária em um conjunto de dados de pacientes com sintomas respiratórios.

Explicação do modelo:

O modelo de machine learning escolhido para esse dataset foi a regressão logística binária, que é um modelo de aprendizado supervisionado que estima a probabilidade de um resultado binário (câncer ou não câncer) com base em variáveis independentes (idade, sexo, fumante, etc.). Esse método tem algumas vantagens, como:

• Pode lidar com variáveis independentes de diferentes tipos e escalas, sem a necessidade de transformações ou padronizações.
• Pode modelar a relação não linear entre as variáveis independentes e a probabilidade do evento de interesse.
• Pode ser facilmente implementada em diversos softwares estatísticos, como o R, o SPSS, o SAS, o Stata, entre outros.

As variáveis independentes são:

• Gender: M(male), F(female)
• Age: Age of the patient
• Smoking: YES=2 , NO=1.
• Yellow fingers: YES=2 , NO=1.
• Anxiety: YES=2 , NO=1.
• Peer_pressure: YES=2 , NO=1.
• Chronic Disease: YES=2 , NO=1.
• Fatigue: YES=2 , NO=1.
• Allergy: YES=2 , NO=1.
• Wheezing: YES=2 , NO=1.
• Alcohol: YES=2 , NO=1.
• Coughing: YES=2 , NO=1.
• Shortness of Breath: YES=2 , NO=1.
• Swallowing Difficulty: YES=2 , NO=1.
• Chest pain: YES=2 , NO=1.

A variável dependente é:

• Lung Cancer: YES , NO.

O modelo foi avaliado usando os dados de teste, que correspondem a 30% do dataset original. Os resultados foram os seguintes:

Metrícas	Performance
Accuracy	89%
F1 score	94%
Confusion matrix	TN = 3, FP = 7, FN = 2, TP = 71
ROC AUC	88%

Observação:

Este projeto tem fins apenas educacionais e não deve ser usado em casos reais.

Banco de dados utilizado: https://www.kaggle.com/datasets/mysarahmadbhat/lung-cancer

Qualquer dúvida entre em contato:

• Email: [email protected]
• LinkedIn: www.linkedin.com/in/venicius-santana-lima