National and Kapodistrian University of Athens
Predicting autism using machine learning techniques: a comparative analysis across age groups
Abstract
dc:descriptionΗ παρούσα διπλωματική εργασία διερευνά την αποτελεσματικότητα τεχνικών μηχανικής μάθησης για την ανάλυση δεδομένων ανίχνευσης της Διαταραχής Αυτιστικού Φάσματος (ASD) σε διαφορετικά αναπτυξιακά στάδια. Χρησιμοποιούνται τρία δημόσια διαθέσιμα σύνολα δεδομένων που προέρχονται από το UCI Machine Learning Repository, τα οποία αντιστοιχούν σε παιδιά, εφήβους και ενήλικες. Συνολικά, τα σύνολα δεδομένων περιλαμβάνουν 1.100 παρατηρήσεις και αποτελούνται από απαντήσεις σε δέκα ερωτήσεις ανίχνευσης, καθώς και από δημογραφικές και συμπληρωματικές μεταβλητές. Η μεταβλητή στόχος υποδεικνύει αν ένα άτομο ταξινομείται ως θετικό ή αρνητικό για ASD βάσει του σκορ των απαντήσεων. Αρχικά, πραγματοποιείται διερευνητική ανάλυση και περιγραφική στατιστική για την κατανόηση των βασικών χαρακτηριστικών των δεδομένων. Στη συνέχεια, χρησιμοποιούνται Chi-square tests για την αξιολόγηση της στατιστικής σημαντικότητας των μεταβλητών, ενώ ο συντελεστής Phi και ο δείκτης Cramér’s V χρησιμοποιούνται για τον εντοπισμό πιθανής πολυσυγγραμμικότητας. Επιπλέον, πραγματοποιείται ανάλυση σημαντικότητας χαρακτηριστικών, ώστε να αξιολογηθεί η συμβολή της κάθε μεταβλητής στην ταξινόμηση της ASD. Τρεις αλγόριθμοι μηχανικής μάθηση — Logistic Regression, Decision Tree και Random Forest — υλοποιούνται στο περιβάλλον Python. Τα μοντέλα εφαρμόζονται ξεχωριστά για κάθε ηλικιακή ομάδα, συνδυαζόμενα με ανάλυση συντελεστών και σημαντικότητας χαρακτηριστικών για τον εντοπισμό των πιο σημαντικών ερωτήσεων για την ταξινόμηση ASD. Η προβλεπτική τους ικανότητα αξιολογείται μέσω των μετρικών Accuracy, Precision, Recall και F1-score. Τα αποτελέσματα δείχνουν ότι όλα τα μοντέλα ταξινομούν αποτελεσματικά τις θετικές και αρνητικές περιπτώσεις ASD. Το μοντέλο Logistic Regression παρουσιάζει τη συνολικά υψηλότερη απόδοση, επιτυγχάνοντας σχεδόν τέλεια αποτελέσματα ταξινόμησης σε όλες τις ηλικιακές ομάδες. Το μοντέλο Decision Tree εμφανίζει χαμηλότερη απόδοση, ιδιαίτερα στην ομάδα των εφήβων, όπου το recall μειώνεται στο 0.77. Το μοντέλο Random Forest παρουσιάζει πιο σταθερά αποτελέσματα, με accuracy κοντά στο 0.90 σε όλα τα σύνολα δεδομένων. Τα ευρήματα της ανάλυσης συντελεστών και σημαντικότητας χαρακτηριστικών αναδεικνύουν διαφορετικά χαρακτηριστικά ως πιο σημαντικά για κάθε ηλικιακή ομάδα, επιβεβαιώνοντας τον αναπτυξιακό χαρακτήρα της Διαταραχής Αυτιστικού Φάσματος.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- ΓΕΜΕΝΕΤΖΗ ΑΝΑΣΤΑΣΙΑ-ΑΝΝΑ
- GEMENETZI ANASTASIA-ANNA
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:5452719