Celem zadanie jest przetworzenie zbioru danych cukrzyca.csv. Zbiór posiada następujące atrybuty:

• PREGNACIES: liczba wcześniejszych ciąż
• GLUCOSE: koncentracja glukozy w 2 godziny po doustnym podaniu próbki testowej
• BLOOD_PRESSURE: ciśnienie krwi (mm Hg)
• SKIN_THICKNESS: grubość fałdu skóry na tricepsie (mm)
• INSULIN: poziom serum insuliny (mu U/ml)
• BMI: body mass index (waga w kg podzielona przez (wysokość w m2)
• DIABETES_PEDIGREE: funkcja występowania cukrzycy w rodzinie
• AGE: wiek
• CLASS: atrybut decyzyjny wskazujący na obecność/brak cukrzycy

Postaraj się zastąpić zbiór oryginalnych atrybutów przez mniejszy zbiór cech. Sprawdź, do jakiego stopnia zmniejszenie liczby atrybutów wpływa na dokładność klasyfikacji. Wykonaj ćwiczenie wg poniższego wzorca:

1. zbuduj klasyfikator (np. drzewo decyzyjne) wykorzystujący oryginalną tabelę DIABETES, zanotuj dokładność klasyfikatora
2. dokonaj ekstrakcji cech z tabeli DIABETES (możesz wykorzystać PCA, SVD, NNMF)
3. zastosuj model ekstrakcji cech zbudowany w punkcie (2) do tabeli DIABETES, aby przetransformować dane do nowej przestrzeni zdefiniowanej przez odkryte cechy
4. zbuduj klasyfikator (wykorzystaj ten sam algorytm co w punkcie (1)) działający na danych z punktu (3), porównaj uzyskaną dokładność klasyfikatora.

UWAGA

• w pliku *.csv nie ma zdefiniowanych atrybutów, musisz dodać je samodzielnie przed przystąpieniem do analizy
• dane są numeryczne, rozważ normalizację atrybutów i odkrywanych cech
• budując model ekstrakcji cech pamiętaj o tym, aby koniecznie wyłączyć z budowy atrybut CLASS
• liczbę cech modelu dobierz eksperymentalnie