Résumé:
Le diabète est une maladie chronique qui nécessite un soin médical continu avec une autogestion par le diabétique lui-même, pour éviter les complications à court terme (hypoglycémie, hyperglycémie…) et réduire le risque des complications à long terme (complications cardiaques, insuffisance rénale, rétinopathie, lésions nerveuses, endommagement des vaisseaux sanguins).
Dans ce mémoire, nous avons proposés une approche intelligente pour une reconnaissance efficace du diabète à l'aide de données cliniques avec l’utilisation des différents algorithmes de classification et d’apprentissage supervisé (DT, SVM, KNN, RF, NB et LR). Nous avons évalué notre solution proposée sur des données numériques de format « csv » du data set disponible en « Kaggle » fournit par « Dataset of diabetes, taken from the hospital Frankfurt, Germany ». Les meilleurs résultats obtenus sont issus des modèles basés sur les structures d’arbres : DT et RF. Aussi, l’utilisation de « Feature Selection » dans notre solution proposée permet d’avoir d’alléger la complexité des modèles de reconnaissance du diabète obtenus.
