Diagnosis of diabetes based on neural networks

Abstract

В данной работе рассматривается применение нейронных сетей для диагностики сахарного диабета. Основное внимание уделяется сравнительному анализу трёх популярных алгоритмов: LightGBM, CatBoost и XGBoost. Описаны их особенности, преимущества и недостатки при работе с медицинскими данными. Приводится методология исследования, результаты экспериментов и обсуждение полученных данных, что позволяет сделать выводы о наиболее эффективном подходе к диагностике сахарного диабета с использованием нейронных сетей.

This study explores the application of neural networks for diabetes diagnosis. The focus is on a comparative analysis of three popular algorithms: LightGBM, CatBoost, and XGBoost. The unique features, advantages, and disadvantages of these algorithms in handling medical data are discussed. The research methodology, experimental results, and data discussion are presented, leading to conclusions about the most effective approach for diabetes diagnosis using neural networks.