PIMA veri setiyle diyabet risk tahmini ve açıklanabilir yapay zekâ yaklaşımı. Model karşılaştırması, SHAP açıklanabilirliği ve karar destek prototipi.
PIMA projesi, PIMA Indians Diabetes veri seti üzerinden tip 2 diyabet riskini tahmin eden açıklanabilir bir karar destek prototipi olarak ele alındı. Projede amaç yalnızca yüksek doğruluklu bir model üretmek değil, model kararlarını sağlık bağlamında açıklanabilir ve kullanıcıya gösterilebilir hale getirmekti.
Sağlık alanında makine öğrenmesi modelleri yalnızca skor ürettiğinde karar verici için yeterli güven oluşmaz. Modelin hangi değişkenlere göre risk tahmini yaptığı, hangi faktörlerin sonucu etkilediği ve çıktının karar destek bağlamında nasıl yorumlanacağı açıklanmalıdır.
Projeyi veri işleme, model karşılaştırması, açıklanabilirlik ve prototip arayüz mantığı üzerinden kurguladım. PIMA veri setiyle veri temizleme ve ön işleme yapısı, model karşılaştırması, Accuracy, F1 ve ROC-AUC gibi performans metrikleri, SHAP ile açıklanabilirlik ve risk tahmini çıktısı ele alındı.
Model sonucunun sadece pozitif ya da negatif olarak verilmesi yerine, açıklanabilir bir risk değerlendirmesi olarak sunulması hedeflendi. TÜBİTAK 2209-A başvurusu bağlamında proje özeti, özgün değer, amaç, yöntem, iş paketleri, risk yönetimi ve bütçe kurgusu üzerinde çalıştım.
PIMA projesi, basit bir sınıflandırma çalışması yerine sağlık verisiyle çalışan açıklanabilir yapay zekâ ve karar destek prototipi olarak konumlandı. Model performansı kadar açıklanabilirlik ve kullanıcıya güven veren çıktı yapısı merkeze alındı.
Proje fikri, araştırma kapsamı, model karşılaştırma yaklaşımı, SHAP açıklanabilirlik kurgusu, karar destek prototipi mantığı, TÜBİTAK başvuru yapısı, yöntem, iş paketi ve risk yönetimi dokümantasyonu.