{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5452719"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5452719","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Predicting autism using machine learning techniques: a comparative analysis across age groups","abstract":"Η 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.","abstract_html":"Η 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.","abstract_has_math":false,"creators":["ΓΕΜΕΝΕΤΖΗ ΑΝΑΣΤΑΣΙΑ-ΑΝΝΑ","GEMENETZI ANASTASIA-ANNA"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:20:52Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5452719"],"render_values":[{"text":"uoadl:5452719","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5452719","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5452719","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5452719","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΓΕΜΕΝΕΤΖΗ ΑΝΑΣΤΑΣΙΑ-ΑΝΝΑ","GEMENETZI ANASTASIA-ANNA"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5452719","https://pergamos.lib.uoa.gr/uoa/dl/object/5452719"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η 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.","This thesis examines the effectiveness of certain machine learning techniques to analyze Autism Spectrum Disorder (ASD) screening data across different developmental stages. Three publicly available datasets derived from the UCI Machine Learning Repository are used, corresponding to children, adolescents and adults. In total, the datasets contain 1,100 observations and consist of responses to ten behavioral screening questions along with demographic and background variables. The target variable demonstrates whether an individual is classified as ASD positive or non-ASD based on the screening score. First, exploratory analysis and descriptive statistics are conducted to understand the main characteristics of the data. Then, Chi-square tests are used to evaluate the statistical significance of the variables, while Phi coefficient and Cramer’s V are used to detect possible multicollinearity. In addition, feature importance analysis is conducted to assess the contribution of each feature to ASD classification. Three machine learning algorithms – Logistic Regression, Decision Tree and Random Forest – are implemented in Python. The models are applied separately to each age group, combined with coefficient and feature importance analysis to identify the most important questions to ASD classification. Their predictive performance is evaluated using Accuracy, Precision, Recall and F1-Score. The results show that all models effectively classify ASD and non-ASD cases. Logistic Regression demonstrates the highest overall performance, achieving near-perfect classification results across all age groups. Decision Tree shows lower performance, particularly for the adolescent group, where recall decreases to 0.77. Random Forest produces more stable results with an accuracy close to 0.90 across the datasets. The findings from the coefficient and feature important analysis identify different features as most significant for each age group, supporting the developmental nature of Autism Spectrum Disorder."]},{"key":"dc:title","label":"Title","values":["Predicting autism using machine learning techniques: a comparative analysis across age groups"]}]}],"canonical_facts":{"dc:creator":["ΓΕΜΕΝΕΤΖΗ ΑΝΑΣΤΑΣΙΑ-ΑΝΝΑ","GEMENETZI ANASTASIA-ANNA"],"dc:date":["2026"],"dc:description":["Η 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.","This thesis examines the effectiveness of certain machine learning techniques to analyze Autism Spectrum Disorder (ASD) screening data across different developmental stages. Three publicly available datasets derived from the UCI Machine Learning Repository are used, corresponding to children, adolescents and adults. In total, the datasets contain 1,100 observations and consist of responses to ten behavioral screening questions along with demographic and background variables. The target variable demonstrates whether an individual is classified as ASD positive or non-ASD based on the screening score. First, exploratory analysis and descriptive statistics are conducted to understand the main characteristics of the data. Then, Chi-square tests are used to evaluate the statistical significance of the variables, while Phi coefficient and Cramer’s V are used to detect possible multicollinearity. In addition, feature importance analysis is conducted to assess the contribution of each feature to ASD classification. Three machine learning algorithms – Logistic Regression, Decision Tree and Random Forest – are implemented in Python. The models are applied separately to each age group, combined with coefficient and feature importance analysis to identify the most important questions to ASD classification. Their predictive performance is evaluated using Accuracy, Precision, Recall and F1-Score. The results show that all models effectively classify ASD and non-ASD cases. Logistic Regression demonstrates the highest overall performance, achieving near-perfect classification results across all age groups. Decision Tree shows lower performance, particularly for the adolescent group, where recall decreases to 0.77. Random Forest produces more stable results with an accuracy close to 0.90 across the datasets. The findings from the coefficient and feature important analysis identify different features as most significant for each age group, supporting the developmental nature of Autism Spectrum Disorder."],"dc:identifier":["uoadl:5452719","https://pergamos.lib.uoa.gr/uoa/dl/object/5452719"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Predicting autism using machine learning techniques: a comparative analysis across age groups"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:20:52Z"}