Memprediksi Diabetes Dari Rekam Medis
Diabetes melitus (DM) yang biasa disebut kencing manis merupakan sekelompok kelainan metabolisme yang ditandai dengan tingginya kadar gula darah dalam jangka waktu lama. Diabetes tipe 1 terjadi akibat kegagalan pankreas memproduksi cukup insulin. Diabetes tipe 2 dimulai dengan resistensi insulin, suatu kondisi di mana sel-sel gagal merespons insulin dengan baik. Pada tahun 2015, diperkirakan 415 juta orang menderita diabetes di seluruh dunia, dengan diabetes tipe 2 mencakup sekitar 90% kasus. Ini mewakili 8,3% dari populasi orang dewasa.
1. Input Library
##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union## Warning: package 'gtools' was built under R version 4.4.1## Warning: package 'gmodels' was built under R version 4.4.1## Warning: package 'caret' was built under R version 4.4.1## Loading required package: lattice2. Read Data
3. Data Wraling
## Rows: 768
## Columns: 9
## $ Pregnancies <int> 6, 1, 8, 1, 0, 5, 3, 10, 2, 8, 4, 10, 10, 1, …
## $ Glucose <int> 148, 85, 183, 89, 137, 116, 78, 115, 197, 125…
## $ BloodPressure <int> 72, 66, 64, 66, 40, 74, 50, 0, 70, 96, 92, 74…
## $ SkinThickness <int> 35, 29, 0, 23, 35, 0, 32, 0, 45, 0, 0, 0, 0, …
## $ Insulin <int> 0, 0, 0, 94, 168, 0, 88, 0, 543, 0, 0, 0, 0, …
## $ BMI <dbl> 33.6, 26.6, 23.3, 28.1, 43.1, 25.6, 31.0, 35.…
## $ DiabetesPedigreeFunction <dbl> 0.627, 0.351, 0.672, 0.167, 2.288, 0.201, 0.2…
## $ Age <int> 50, 31, 32, 21, 33, 30, 26, 29, 53, 54, 30, 3…
## $ Outcome <int> 1, 0, 1, 0, 1, 0, 1, 0, 1, 1, 0, 1, 0, 1, 1, …Pada beberapa variabel yang digunakan, terdapat ketidak sesuaian tipe data, oleh karena itu yang perlu kita lakukan adalah melakukan penyesuaian tipe data pada beberapa variabel yang ada.
diabetes_clean <- diabetes %>%
mutate(Outcome=as.factor(Outcome),
Glucose=ifelse(Glucose==0,mean(Glucose),Glucose),
BMI=ifelse(BMI==0,mean(BMI),BMI),
BloodPressure=ifelse(BloodPressure==0,mean(BloodPressure),BloodPressure),
SkinThickness=ifelse(SkinThickness==0,mean(SkinThickness),SkinThickness),
Insulin=ifelse(Insulin==0,mean(Insulin),Insulin))
diabetes_clean## Pregnancies Glucose BloodPressure SkinThickness Insulin BMI
## 1 6 148.0000 72.00000 35.00000 79.79948 33.60000
## 2 1 85.0000 66.00000 29.00000 79.79948 26.60000
## 3 8 183.0000 64.00000 20.53646 79.79948 23.30000
## 4 1 89.0000 66.00000 23.00000 94.00000 28.10000
## 5 0 137.0000 40.00000 35.00000 168.00000 43.10000
## 6 5 116.0000 74.00000 20.53646 79.79948 25.60000
## 7 3 78.0000 50.00000 32.00000 88.00000 31.00000
## 8 10 115.0000 69.10547 20.53646 79.79948 35.30000
## 9 2 197.0000 70.00000 45.00000 543.00000 30.50000
## 10 8 125.0000 96.00000 20.53646 79.79948 31.99258
## 11 4 110.0000 92.00000 20.53646 79.79948 37.60000
## 12 10 168.0000 74.00000 20.53646 79.79948 38.00000
## 13 10 139.0000 80.00000 20.53646 79.79948 27.10000
## 14 1 189.0000 60.00000 23.00000 846.00000 30.10000
## 15 5 166.0000 72.00000 19.00000 175.00000 25.80000
## 16 7 100.0000 69.10547 20.53646 79.79948 30.00000
## 17 0 118.0000 84.00000 47.00000 230.00000 45.80000
## 18 7 107.0000 74.00000 20.53646 79.79948 29.60000
## 19 1 103.0000 30.00000 38.00000 83.00000 43.30000
## 20 1 115.0000 70.00000 30.00000 96.00000 34.60000
## 21 3 126.0000 88.00000 41.00000 235.00000 39.30000
## 22 8 99.0000 84.00000 20.53646 79.79948 35.40000
## 23 7 196.0000 90.00000 20.53646 79.79948 39.80000
## 24 9 119.0000 80.00000 35.00000 79.79948 29.00000
## 25 11 143.0000 94.00000 33.00000 146.00000 36.60000
## 26 10 125.0000 70.00000 26.00000 115.00000 31.10000
## 27 7 147.0000 76.00000 20.53646 79.79948 39.40000
## 28 1 97.0000 66.00000 15.00000 140.00000 23.20000
## 29 13 145.0000 82.00000 19.00000 110.00000 22.20000
## 30 5 117.0000 92.00000 20.53646 79.79948 34.10000
## 31 5 109.0000 75.00000 26.00000 79.79948 36.00000
## 32 3 158.0000 76.00000 36.00000 245.00000 31.60000
## 33 3 88.0000 58.00000 11.00000 54.00000 24.80000
## 34 6 92.0000 92.00000 20.53646 79.79948 19.90000
## 35 10 122.0000 78.00000 31.00000 79.79948 27.60000
## 36 4 103.0000 60.00000 33.00000 192.00000 24.00000
## 37 11 138.0000 76.00000 20.53646 79.79948 33.20000
## 38 9 102.0000 76.00000 37.00000 79.79948 32.90000
## 39 2 90.0000 68.00000 42.00000 79.79948 38.20000
## 40 4 111.0000 72.00000 47.00000 207.00000 37.10000
## 41 3 180.0000 64.00000 25.00000 70.00000 34.00000
## 42 7 133.0000 84.00000 20.53646 79.79948 40.20000
## 43 7 106.0000 92.00000 18.00000 79.79948 22.70000
## 44 9 171.0000 110.00000 24.00000 240.00000 45.40000
## 45 7 159.0000 64.00000 20.53646 79.79948 27.40000
## 46 0 180.0000 66.00000 39.00000 79.79948 42.00000
## 47 1 146.0000 56.00000 20.53646 79.79948 29.70000
## 48 2 71.0000 70.00000 27.00000 79.79948 28.00000
## 49 7 103.0000 66.00000 32.00000 79.79948 39.10000
## 50 7 105.0000 69.10547 20.53646 79.79948 31.99258
## 51 1 103.0000 80.00000 11.00000 82.00000 19.40000
## 52 1 101.0000 50.00000 15.00000 36.00000 24.20000
## 53 5 88.0000 66.00000 21.00000 23.00000 24.40000
## 54 8 176.0000 90.00000 34.00000 300.00000 33.70000
## 55 7 150.0000 66.00000 42.00000 342.00000 34.70000
## 56 1 73.0000 50.00000 10.00000 79.79948 23.00000
## 57 7 187.0000 68.00000 39.00000 304.00000 37.70000
## 58 0 100.0000 88.00000 60.00000 110.00000 46.80000
## 59 0 146.0000 82.00000 20.53646 79.79948 40.50000
## 60 0 105.0000 64.00000 41.00000 142.00000 41.50000
## 61 2 84.0000 69.10547 20.53646 79.79948 31.99258
## 62 8 133.0000 72.00000 20.53646 79.79948 32.90000
## 63 5 44.0000 62.00000 20.53646 79.79948 25.00000
## 64 2 141.0000 58.00000 34.00000 128.00000 25.40000
## 65 7 114.0000 66.00000 20.53646 79.79948 32.80000
## 66 5 99.0000 74.00000 27.00000 79.79948 29.00000
## 67 0 109.0000 88.00000 30.00000 79.79948 32.50000
## 68 2 109.0000 92.00000 20.53646 79.79948 42.70000
## 69 1 95.0000 66.00000 13.00000 38.00000 19.60000
## 70 4 146.0000 85.00000 27.00000 100.00000 28.90000
## 71 2 100.0000 66.00000 20.00000 90.00000 32.90000
## 72 5 139.0000 64.00000 35.00000 140.00000 28.60000
## 73 13 126.0000 90.00000 20.53646 79.79948 43.40000
## 74 4 129.0000 86.00000 20.00000 270.00000 35.10000
## 75 1 79.0000 75.00000 30.00000 79.79948 32.00000
## 76 1 120.8945 48.00000 20.00000 79.79948 24.70000
## 77 7 62.0000 78.00000 20.53646 79.79948 32.60000
## 78 5 95.0000 72.00000 33.00000 79.79948 37.70000
## 79 0 131.0000 69.10547 20.53646 79.79948 43.20000
## 80 2 112.0000 66.00000 22.00000 79.79948 25.00000
## 81 3 113.0000 44.00000 13.00000 79.79948 22.40000
## 82 2 74.0000 69.10547 20.53646 79.79948 31.99258
## 83 7 83.0000 78.00000 26.00000 71.00000 29.30000
## 84 0 101.0000 65.00000 28.00000 79.79948 24.60000
## 85 5 137.0000 108.00000 20.53646 79.79948 48.80000
## 86 2 110.0000 74.00000 29.00000 125.00000 32.40000
## 87 13 106.0000 72.00000 54.00000 79.79948 36.60000
## 88 2 100.0000 68.00000 25.00000 71.00000 38.50000
## 89 15 136.0000 70.00000 32.00000 110.00000 37.10000
## 90 1 107.0000 68.00000 19.00000 79.79948 26.50000
## 91 1 80.0000 55.00000 20.53646 79.79948 19.10000
## 92 4 123.0000 80.00000 15.00000 176.00000 32.00000
## 93 7 81.0000 78.00000 40.00000 48.00000 46.70000
## 94 4 134.0000 72.00000 20.53646 79.79948 23.80000
## 95 2 142.0000 82.00000 18.00000 64.00000 24.70000
## 96 6 144.0000 72.00000 27.00000 228.00000 33.90000
## 97 2 92.0000 62.00000 28.00000 79.79948 31.60000
## 98 1 71.0000 48.00000 18.00000 76.00000 20.40000
## 99 6 93.0000 50.00000 30.00000 64.00000 28.70000
## 100 1 122.0000 90.00000 51.00000 220.00000 49.70000
## 101 1 163.0000 72.00000 20.53646 79.79948 39.00000
## 102 1 151.0000 60.00000 20.53646 79.79948 26.10000
## 103 0 125.0000 96.00000 20.53646 79.79948 22.50000
## 104 1 81.0000 72.00000 18.00000 40.00000 26.60000
## 105 2 85.0000 65.00000 20.53646 79.79948 39.60000
## 106 1 126.0000 56.00000 29.00000 152.00000 28.70000
## 107 1 96.0000 122.00000 20.53646 79.79948 22.40000
## 108 4 144.0000 58.00000 28.00000 140.00000 29.50000
## 109 3 83.0000 58.00000 31.00000 18.00000 34.30000
## 110 0 95.0000 85.00000 25.00000 36.00000 37.40000
## 111 3 171.0000 72.00000 33.00000 135.00000 33.30000
## 112 8 155.0000 62.00000 26.00000 495.00000 34.00000
## 113 1 89.0000 76.00000 34.00000 37.00000 31.20000
## 114 4 76.0000 62.00000 20.53646 79.79948 34.00000
## 115 7 160.0000 54.00000 32.00000 175.00000 30.50000
## 116 4 146.0000 92.00000 20.53646 79.79948 31.20000
## 117 5 124.0000 74.00000 20.53646 79.79948 34.00000
## 118 5 78.0000 48.00000 20.53646 79.79948 33.70000
## 119 4 97.0000 60.00000 23.00000 79.79948 28.20000
## 120 4 99.0000 76.00000 15.00000 51.00000 23.20000
## 121 0 162.0000 76.00000 56.00000 100.00000 53.20000
## 122 6 111.0000 64.00000 39.00000 79.79948 34.20000
## 123 2 107.0000 74.00000 30.00000 100.00000 33.60000
## 124 5 132.0000 80.00000 20.53646 79.79948 26.80000
## 125 0 113.0000 76.00000 20.53646 79.79948 33.30000
## 126 1 88.0000 30.00000 42.00000 99.00000 55.00000
## 127 3 120.0000 70.00000 30.00000 135.00000 42.90000
## 128 1 118.0000 58.00000 36.00000 94.00000 33.30000
## 129 1 117.0000 88.00000 24.00000 145.00000 34.50000
## 130 0 105.0000 84.00000 20.53646 79.79948 27.90000
## 131 4 173.0000 70.00000 14.00000 168.00000 29.70000
## 132 9 122.0000 56.00000 20.53646 79.79948 33.30000
## 133 3 170.0000 64.00000 37.00000 225.00000 34.50000
## 134 8 84.0000 74.00000 31.00000 79.79948 38.30000
## 135 2 96.0000 68.00000 13.00000 49.00000 21.10000
## 136 2 125.0000 60.00000 20.00000 140.00000 33.80000
## 137 0 100.0000 70.00000 26.00000 50.00000 30.80000
## 138 0 93.0000 60.00000 25.00000 92.00000 28.70000
## 139 0 129.0000 80.00000 20.53646 79.79948 31.20000
## 140 5 105.0000 72.00000 29.00000 325.00000 36.90000
## 141 3 128.0000 78.00000 20.53646 79.79948 21.10000
## 142 5 106.0000 82.00000 30.00000 79.79948 39.50000
## 143 2 108.0000 52.00000 26.00000 63.00000 32.50000
## 144 10 108.0000 66.00000 20.53646 79.79948 32.40000
## 145 4 154.0000 62.00000 31.00000 284.00000 32.80000
## 146 0 102.0000 75.00000 23.00000 79.79948 31.99258
## 147 9 57.0000 80.00000 37.00000 79.79948 32.80000
## 148 2 106.0000 64.00000 35.00000 119.00000 30.50000
## 149 5 147.0000 78.00000 20.53646 79.79948 33.70000
## 150 2 90.0000 70.00000 17.00000 79.79948 27.30000
## 151 1 136.0000 74.00000 50.00000 204.00000 37.40000
## 152 4 114.0000 65.00000 20.53646 79.79948 21.90000
## 153 9 156.0000 86.00000 28.00000 155.00000 34.30000
## 154 1 153.0000 82.00000 42.00000 485.00000 40.60000
## 155 8 188.0000 78.00000 20.53646 79.79948 47.90000
## 156 7 152.0000 88.00000 44.00000 79.79948 50.00000
## 157 2 99.0000 52.00000 15.00000 94.00000 24.60000
## 158 1 109.0000 56.00000 21.00000 135.00000 25.20000
## 159 2 88.0000 74.00000 19.00000 53.00000 29.00000
## 160 17 163.0000 72.00000 41.00000 114.00000 40.90000
## 161 4 151.0000 90.00000 38.00000 79.79948 29.70000
## 162 7 102.0000 74.00000 40.00000 105.00000 37.20000
## 163 0 114.0000 80.00000 34.00000 285.00000 44.20000
## 164 2 100.0000 64.00000 23.00000 79.79948 29.70000
## 165 0 131.0000 88.00000 20.53646 79.79948 31.60000
## 166 6 104.0000 74.00000 18.00000 156.00000 29.90000
## 167 3 148.0000 66.00000 25.00000 79.79948 32.50000
## 168 4 120.0000 68.00000 20.53646 79.79948 29.60000
## 169 4 110.0000 66.00000 20.53646 79.79948 31.90000
## 170 3 111.0000 90.00000 12.00000 78.00000 28.40000
## 171 6 102.0000 82.00000 20.53646 79.79948 30.80000
## 172 6 134.0000 70.00000 23.00000 130.00000 35.40000
## 173 2 87.0000 69.10547 23.00000 79.79948 28.90000
## 174 1 79.0000 60.00000 42.00000 48.00000 43.50000
## 175 2 75.0000 64.00000 24.00000 55.00000 29.70000
## 176 8 179.0000 72.00000 42.00000 130.00000 32.70000
## 177 6 85.0000 78.00000 20.53646 79.79948 31.20000
## 178 0 129.0000 110.00000 46.00000 130.00000 67.10000
## 179 5 143.0000 78.00000 20.53646 79.79948 45.00000
## 180 5 130.0000 82.00000 20.53646 79.79948 39.10000
## 181 6 87.0000 80.00000 20.53646 79.79948 23.20000
## 182 0 119.0000 64.00000 18.00000 92.00000 34.90000
## 183 1 120.8945 74.00000 20.00000 23.00000 27.70000
## 184 5 73.0000 60.00000 20.53646 79.79948 26.80000
## 185 4 141.0000 74.00000 20.53646 79.79948 27.60000
## 186 7 194.0000 68.00000 28.00000 79.79948 35.90000
## 187 8 181.0000 68.00000 36.00000 495.00000 30.10000
## 188 1 128.0000 98.00000 41.00000 58.00000 32.00000
## 189 8 109.0000 76.00000 39.00000 114.00000 27.90000
## 190 5 139.0000 80.00000 35.00000 160.00000 31.60000
## 191 3 111.0000 62.00000 20.53646 79.79948 22.60000
## 192 9 123.0000 70.00000 44.00000 94.00000 33.10000
## 193 7 159.0000 66.00000 20.53646 79.79948 30.40000
## 194 11 135.0000 69.10547 20.53646 79.79948 52.30000
## 195 8 85.0000 55.00000 20.00000 79.79948 24.40000
## 196 5 158.0000 84.00000 41.00000 210.00000 39.40000
## 197 1 105.0000 58.00000 20.53646 79.79948 24.30000
## 198 3 107.0000 62.00000 13.00000 48.00000 22.90000
## 199 4 109.0000 64.00000 44.00000 99.00000 34.80000
## 200 4 148.0000 60.00000 27.00000 318.00000 30.90000
## 201 0 113.0000 80.00000 16.00000 79.79948 31.00000
## 202 1 138.0000 82.00000 20.53646 79.79948 40.10000
## 203 0 108.0000 68.00000 20.00000 79.79948 27.30000
## 204 2 99.0000 70.00000 16.00000 44.00000 20.40000
## 205 6 103.0000 72.00000 32.00000 190.00000 37.70000
## 206 5 111.0000 72.00000 28.00000 79.79948 23.90000
## 207 8 196.0000 76.00000 29.00000 280.00000 37.50000
## 208 5 162.0000 104.00000 20.53646 79.79948 37.70000
## 209 1 96.0000 64.00000 27.00000 87.00000 33.20000
## 210 7 184.0000 84.00000 33.00000 79.79948 35.50000
## 211 2 81.0000 60.00000 22.00000 79.79948 27.70000
## 212 0 147.0000 85.00000 54.00000 79.79948 42.80000
## 213 7 179.0000 95.00000 31.00000 79.79948 34.20000
## 214 0 140.0000 65.00000 26.00000 130.00000 42.60000
## 215 9 112.0000 82.00000 32.00000 175.00000 34.20000
## 216 12 151.0000 70.00000 40.00000 271.00000 41.80000
## 217 5 109.0000 62.00000 41.00000 129.00000 35.80000
## 218 6 125.0000 68.00000 30.00000 120.00000 30.00000
## 219 5 85.0000 74.00000 22.00000 79.79948 29.00000
## 220 5 112.0000 66.00000 20.53646 79.79948 37.80000
## 221 0 177.0000 60.00000 29.00000 478.00000 34.60000
## 222 2 158.0000 90.00000 20.53646 79.79948 31.60000
## 223 7 119.0000 69.10547 20.53646 79.79948 25.20000
## 224 7 142.0000 60.00000 33.00000 190.00000 28.80000
## 225 1 100.0000 66.00000 15.00000 56.00000 23.60000
## 226 1 87.0000 78.00000 27.00000 32.00000 34.60000
## 227 0 101.0000 76.00000 20.53646 79.79948 35.70000
## 228 3 162.0000 52.00000 38.00000 79.79948 37.20000
## 229 4 197.0000 70.00000 39.00000 744.00000 36.70000
## 230 0 117.0000 80.00000 31.00000 53.00000 45.20000
## 231 4 142.0000 86.00000 20.53646 79.79948 44.00000
## 232 6 134.0000 80.00000 37.00000 370.00000 46.20000
## 233 1 79.0000 80.00000 25.00000 37.00000 25.40000
## 234 4 122.0000 68.00000 20.53646 79.79948 35.00000
## 235 3 74.0000 68.00000 28.00000 45.00000 29.70000
## 236 4 171.0000 72.00000 20.53646 79.79948 43.60000
## 237 7 181.0000 84.00000 21.00000 192.00000 35.90000
## 238 0 179.0000 90.00000 27.00000 79.79948 44.10000
## 239 9 164.0000 84.00000 21.00000 79.79948 30.80000
## 240 0 104.0000 76.00000 20.53646 79.79948 18.40000
## 241 1 91.0000 64.00000 24.00000 79.79948 29.20000
## 242 4 91.0000 70.00000 32.00000 88.00000 33.10000
## 243 3 139.0000 54.00000 20.53646 79.79948 25.60000
## 244 6 119.0000 50.00000 22.00000 176.00000 27.10000
## 245 2 146.0000 76.00000 35.00000 194.00000 38.20000
## 246 9 184.0000 85.00000 15.00000 79.79948 30.00000
## 247 10 122.0000 68.00000 20.53646 79.79948 31.20000
## 248 0 165.0000 90.00000 33.00000 680.00000 52.30000
## 249 9 124.0000 70.00000 33.00000 402.00000 35.40000
## 250 1 111.0000 86.00000 19.00000 79.79948 30.10000
## 251 9 106.0000 52.00000 20.53646 79.79948 31.20000
## 252 2 129.0000 84.00000 20.53646 79.79948 28.00000
## 253 2 90.0000 80.00000 14.00000 55.00000 24.40000
## 254 0 86.0000 68.00000 32.00000 79.79948 35.80000
## 255 12 92.0000 62.00000 7.00000 258.00000 27.60000
## 256 1 113.0000 64.00000 35.00000 79.79948 33.60000
## 257 3 111.0000 56.00000 39.00000 79.79948 30.10000
## 258 2 114.0000 68.00000 22.00000 79.79948 28.70000
## 259 1 193.0000 50.00000 16.00000 375.00000 25.90000
## 260 11 155.0000 76.00000 28.00000 150.00000 33.30000
## 261 3 191.0000 68.00000 15.00000 130.00000 30.90000
## 262 3 141.0000 69.10547 20.53646 79.79948 30.00000
## 263 4 95.0000 70.00000 32.00000 79.79948 32.10000
## 264 3 142.0000 80.00000 15.00000 79.79948 32.40000
## 265 4 123.0000 62.00000 20.53646 79.79948 32.00000
## 266 5 96.0000 74.00000 18.00000 67.00000 33.60000
## 267 0 138.0000 69.10547 20.53646 79.79948 36.30000
## 268 2 128.0000 64.00000 42.00000 79.79948 40.00000
## 269 0 102.0000 52.00000 20.53646 79.79948 25.10000
## 270 2 146.0000 69.10547 20.53646 79.79948 27.50000
## 271 10 101.0000 86.00000 37.00000 79.79948 45.60000
## 272 2 108.0000 62.00000 32.00000 56.00000 25.20000
## 273 3 122.0000 78.00000 20.53646 79.79948 23.00000
## 274 1 71.0000 78.00000 50.00000 45.00000 33.20000
## 275 13 106.0000 70.00000 20.53646 79.79948 34.20000
## 276 2 100.0000 70.00000 52.00000 57.00000 40.50000
## 277 7 106.0000 60.00000 24.00000 79.79948 26.50000
## 278 0 104.0000 64.00000 23.00000 116.00000 27.80000
## 279 5 114.0000 74.00000 20.53646 79.79948 24.90000
## 280 2 108.0000 62.00000 10.00000 278.00000 25.30000
## 281 0 146.0000 70.00000 20.53646 79.79948 37.90000
## 282 10 129.0000 76.00000 28.00000 122.00000 35.90000
## 283 7 133.0000 88.00000 15.00000 155.00000 32.40000
## 284 7 161.0000 86.00000 20.53646 79.79948 30.40000
## 285 2 108.0000 80.00000 20.53646 79.79948 27.00000
## 286 7 136.0000 74.00000 26.00000 135.00000 26.00000
## 287 5 155.0000 84.00000 44.00000 545.00000 38.70000
## 288 1 119.0000 86.00000 39.00000 220.00000 45.60000
## 289 4 96.0000 56.00000 17.00000 49.00000 20.80000
## 290 5 108.0000 72.00000 43.00000 75.00000 36.10000
## 291 0 78.0000 88.00000 29.00000 40.00000 36.90000
## 292 0 107.0000 62.00000 30.00000 74.00000 36.60000
## 293 2 128.0000 78.00000 37.00000 182.00000 43.30000
## 294 1 128.0000 48.00000 45.00000 194.00000 40.50000
## 295 0 161.0000 50.00000 20.53646 79.79948 21.90000
## 296 6 151.0000 62.00000 31.00000 120.00000 35.50000
## 297 2 146.0000 70.00000 38.00000 360.00000 28.00000
## 298 0 126.0000 84.00000 29.00000 215.00000 30.70000
## 299 14 100.0000 78.00000 25.00000 184.00000 36.60000
## 300 8 112.0000 72.00000 20.53646 79.79948 23.60000
## 301 0 167.0000 69.10547 20.53646 79.79948 32.30000
## 302 2 144.0000 58.00000 33.00000 135.00000 31.60000
## 303 5 77.0000 82.00000 41.00000 42.00000 35.80000
## 304 5 115.0000 98.00000 20.53646 79.79948 52.90000
## 305 3 150.0000 76.00000 20.53646 79.79948 21.00000
## 306 2 120.0000 76.00000 37.00000 105.00000 39.70000
## 307 10 161.0000 68.00000 23.00000 132.00000 25.50000
## 308 0 137.0000 68.00000 14.00000 148.00000 24.80000
## 309 0 128.0000 68.00000 19.00000 180.00000 30.50000
## 310 2 124.0000 68.00000 28.00000 205.00000 32.90000
## 311 6 80.0000 66.00000 30.00000 79.79948 26.20000
## 312 0 106.0000 70.00000 37.00000 148.00000 39.40000
## 313 2 155.0000 74.00000 17.00000 96.00000 26.60000
## 314 3 113.0000 50.00000 10.00000 85.00000 29.50000
## 315 7 109.0000 80.00000 31.00000 79.79948 35.90000
## 316 2 112.0000 68.00000 22.00000 94.00000 34.10000
## 317 3 99.0000 80.00000 11.00000 64.00000 19.30000
## 318 3 182.0000 74.00000 20.53646 79.79948 30.50000
## 319 3 115.0000 66.00000 39.00000 140.00000 38.10000
## 320 6 194.0000 78.00000 20.53646 79.79948 23.50000
## 321 4 129.0000 60.00000 12.00000 231.00000 27.50000
## 322 3 112.0000 74.00000 30.00000 79.79948 31.60000
## 323 0 124.0000 70.00000 20.00000 79.79948 27.40000
## 324 13 152.0000 90.00000 33.00000 29.00000 26.80000
## 325 2 112.0000 75.00000 32.00000 79.79948 35.70000
## 326 1 157.0000 72.00000 21.00000 168.00000 25.60000
## 327 1 122.0000 64.00000 32.00000 156.00000 35.10000
## 328 10 179.0000 70.00000 20.53646 79.79948 35.10000
## 329 2 102.0000 86.00000 36.00000 120.00000 45.50000
## 330 6 105.0000 70.00000 32.00000 68.00000 30.80000
## 331 8 118.0000 72.00000 19.00000 79.79948 23.10000
## 332 2 87.0000 58.00000 16.00000 52.00000 32.70000
## 333 1 180.0000 69.10547 20.53646 79.79948 43.30000
## 334 12 106.0000 80.00000 20.53646 79.79948 23.60000
## 335 1 95.0000 60.00000 18.00000 58.00000 23.90000
## 336 0 165.0000 76.00000 43.00000 255.00000 47.90000
## 337 0 117.0000 69.10547 20.53646 79.79948 33.80000
## 338 5 115.0000 76.00000 20.53646 79.79948 31.20000
## 339 9 152.0000 78.00000 34.00000 171.00000 34.20000
## 340 7 178.0000 84.00000 20.53646 79.79948 39.90000
## 341 1 130.0000 70.00000 13.00000 105.00000 25.90000
## 342 1 95.0000 74.00000 21.00000 73.00000 25.90000
## 343 1 120.8945 68.00000 35.00000 79.79948 32.00000
## 344 5 122.0000 86.00000 20.53646 79.79948 34.70000
## 345 8 95.0000 72.00000 20.53646 79.79948 36.80000
## 346 8 126.0000 88.00000 36.00000 108.00000 38.50000
## 347 1 139.0000 46.00000 19.00000 83.00000 28.70000
## 348 3 116.0000 69.10547 20.53646 79.79948 23.50000
## 349 3 99.0000 62.00000 19.00000 74.00000 21.80000
## 350 5 120.8945 80.00000 32.00000 79.79948 41.00000
## 351 4 92.0000 80.00000 20.53646 79.79948 42.20000
## 352 4 137.0000 84.00000 20.53646 79.79948 31.20000
## 353 3 61.0000 82.00000 28.00000 79.79948 34.40000
## 354 1 90.0000 62.00000 12.00000 43.00000 27.20000
## 355 3 90.0000 78.00000 20.53646 79.79948 42.70000
## 356 9 165.0000 88.00000 20.53646 79.79948 30.40000
## 357 1 125.0000 50.00000 40.00000 167.00000 33.30000
## 358 13 129.0000 69.10547 30.00000 79.79948 39.90000
## 359 12 88.0000 74.00000 40.00000 54.00000 35.30000
## 360 1 196.0000 76.00000 36.00000 249.00000 36.50000
## 361 5 189.0000 64.00000 33.00000 325.00000 31.20000
## 362 5 158.0000 70.00000 20.53646 79.79948 29.80000
## 363 5 103.0000 108.00000 37.00000 79.79948 39.20000
## 364 4 146.0000 78.00000 20.53646 79.79948 38.50000
## 365 4 147.0000 74.00000 25.00000 293.00000 34.90000
## 366 5 99.0000 54.00000 28.00000 83.00000 34.00000
## 367 6 124.0000 72.00000 20.53646 79.79948 27.60000
## 368 0 101.0000 64.00000 17.00000 79.79948 21.00000
## 369 3 81.0000 86.00000 16.00000 66.00000 27.50000
## 370 1 133.0000 102.00000 28.00000 140.00000 32.80000
## 371 3 173.0000 82.00000 48.00000 465.00000 38.40000
## 372 0 118.0000 64.00000 23.00000 89.00000 31.99258
## 373 0 84.0000 64.00000 22.00000 66.00000 35.80000
## 374 2 105.0000 58.00000 40.00000 94.00000 34.90000
## 375 2 122.0000 52.00000 43.00000 158.00000 36.20000
## 376 12 140.0000 82.00000 43.00000 325.00000 39.20000
## 377 0 98.0000 82.00000 15.00000 84.00000 25.20000
## 378 1 87.0000 60.00000 37.00000 75.00000 37.20000
## 379 4 156.0000 75.00000 20.53646 79.79948 48.30000
## 380 0 93.0000 100.00000 39.00000 72.00000 43.40000
## 381 1 107.0000 72.00000 30.00000 82.00000 30.80000
## 382 0 105.0000 68.00000 22.00000 79.79948 20.00000
## 383 1 109.0000 60.00000 8.00000 182.00000 25.40000
## 384 1 90.0000 62.00000 18.00000 59.00000 25.10000
## 385 1 125.0000 70.00000 24.00000 110.00000 24.30000
## 386 1 119.0000 54.00000 13.00000 50.00000 22.30000
## 387 5 116.0000 74.00000 29.00000 79.79948 32.30000
## 388 8 105.0000 100.00000 36.00000 79.79948 43.30000
## 389 5 144.0000 82.00000 26.00000 285.00000 32.00000
## 390 3 100.0000 68.00000 23.00000 81.00000 31.60000
## 391 1 100.0000 66.00000 29.00000 196.00000 32.00000
## 392 5 166.0000 76.00000 20.53646 79.79948 45.70000
## 393 1 131.0000 64.00000 14.00000 415.00000 23.70000
## 394 4 116.0000 72.00000 12.00000 87.00000 22.10000
## 395 4 158.0000 78.00000 20.53646 79.79948 32.90000
## 396 2 127.0000 58.00000 24.00000 275.00000 27.70000
## 397 3 96.0000 56.00000 34.00000 115.00000 24.70000
## 398 0 131.0000 66.00000 40.00000 79.79948 34.30000
## 399 3 82.0000 70.00000 20.53646 79.79948 21.10000
## 400 3 193.0000 70.00000 31.00000 79.79948 34.90000
## 401 4 95.0000 64.00000 20.53646 79.79948 32.00000
## 402 6 137.0000 61.00000 20.53646 79.79948 24.20000
## 403 5 136.0000 84.00000 41.00000 88.00000 35.00000
## 404 9 72.0000 78.00000 25.00000 79.79948 31.60000
## 405 5 168.0000 64.00000 20.53646 79.79948 32.90000
## 406 2 123.0000 48.00000 32.00000 165.00000 42.10000
## 407 4 115.0000 72.00000 20.53646 79.79948 28.90000
## 408 0 101.0000 62.00000 20.53646 79.79948 21.90000
## 409 8 197.0000 74.00000 20.53646 79.79948 25.90000
## 410 1 172.0000 68.00000 49.00000 579.00000 42.40000
## 411 6 102.0000 90.00000 39.00000 79.79948 35.70000
## 412 1 112.0000 72.00000 30.00000 176.00000 34.40000
## 413 1 143.0000 84.00000 23.00000 310.00000 42.40000
## 414 1 143.0000 74.00000 22.00000 61.00000 26.20000
## 415 0 138.0000 60.00000 35.00000 167.00000 34.60000
## 416 3 173.0000 84.00000 33.00000 474.00000 35.70000
## 417 1 97.0000 68.00000 21.00000 79.79948 27.20000
## 418 4 144.0000 82.00000 32.00000 79.79948 38.50000
## 419 1 83.0000 68.00000 20.53646 79.79948 18.20000
## 420 3 129.0000 64.00000 29.00000 115.00000 26.40000
## 421 1 119.0000 88.00000 41.00000 170.00000 45.30000
## 422 2 94.0000 68.00000 18.00000 76.00000 26.00000
## 423 0 102.0000 64.00000 46.00000 78.00000 40.60000
## 424 2 115.0000 64.00000 22.00000 79.79948 30.80000
## 425 8 151.0000 78.00000 32.00000 210.00000 42.90000
## 426 4 184.0000 78.00000 39.00000 277.00000 37.00000
## 427 0 94.0000 69.10547 20.53646 79.79948 31.99258
## 428 1 181.0000 64.00000 30.00000 180.00000 34.10000
## 429 0 135.0000 94.00000 46.00000 145.00000 40.60000
## 430 1 95.0000 82.00000 25.00000 180.00000 35.00000
## 431 2 99.0000 69.10547 20.53646 79.79948 22.20000
## 432 3 89.0000 74.00000 16.00000 85.00000 30.40000
## 433 1 80.0000 74.00000 11.00000 60.00000 30.00000
## 434 2 139.0000 75.00000 20.53646 79.79948 25.60000
## 435 1 90.0000 68.00000 8.00000 79.79948 24.50000
## 436 0 141.0000 69.10547 20.53646 79.79948 42.40000
## 437 12 140.0000 85.00000 33.00000 79.79948 37.40000
## 438 5 147.0000 75.00000 20.53646 79.79948 29.90000
## 439 1 97.0000 70.00000 15.00000 79.79948 18.20000
## 440 6 107.0000 88.00000 20.53646 79.79948 36.80000
## 441 0 189.0000 104.00000 25.00000 79.79948 34.30000
## 442 2 83.0000 66.00000 23.00000 50.00000 32.20000
## 443 4 117.0000 64.00000 27.00000 120.00000 33.20000
## 444 8 108.0000 70.00000 20.53646 79.79948 30.50000
## 445 4 117.0000 62.00000 12.00000 79.79948 29.70000
## 446 0 180.0000 78.00000 63.00000 14.00000 59.40000
## 447 1 100.0000 72.00000 12.00000 70.00000 25.30000
## 448 0 95.0000 80.00000 45.00000 92.00000 36.50000
## 449 0 104.0000 64.00000 37.00000 64.00000 33.60000
## 450 0 120.0000 74.00000 18.00000 63.00000 30.50000
## 451 1 82.0000 64.00000 13.00000 95.00000 21.20000
## 452 2 134.0000 70.00000 20.53646 79.79948 28.90000
## 453 0 91.0000 68.00000 32.00000 210.00000 39.90000
## 454 2 119.0000 69.10547 20.53646 79.79948 19.60000
## 455 2 100.0000 54.00000 28.00000 105.00000 37.80000
## 456 14 175.0000 62.00000 30.00000 79.79948 33.60000
## 457 1 135.0000 54.00000 20.53646 79.79948 26.70000
## 458 5 86.0000 68.00000 28.00000 71.00000 30.20000
## 459 10 148.0000 84.00000 48.00000 237.00000 37.60000
## 460 9 134.0000 74.00000 33.00000 60.00000 25.90000
## 461 9 120.0000 72.00000 22.00000 56.00000 20.80000
## 462 1 71.0000 62.00000 20.53646 79.79948 21.80000
## 463 8 74.0000 70.00000 40.00000 49.00000 35.30000
## 464 5 88.0000 78.00000 30.00000 79.79948 27.60000
## 465 10 115.0000 98.00000 20.53646 79.79948 24.00000
## 466 0 124.0000 56.00000 13.00000 105.00000 21.80000
## 467 0 74.0000 52.00000 10.00000 36.00000 27.80000
## 468 0 97.0000 64.00000 36.00000 100.00000 36.80000
## 469 8 120.0000 69.10547 20.53646 79.79948 30.00000
## 470 6 154.0000 78.00000 41.00000 140.00000 46.10000
## 471 1 144.0000 82.00000 40.00000 79.79948 41.30000
## 472 0 137.0000 70.00000 38.00000 79.79948 33.20000
## 473 0 119.0000 66.00000 27.00000 79.79948 38.80000
## 474 7 136.0000 90.00000 20.53646 79.79948 29.90000
## 475 4 114.0000 64.00000 20.53646 79.79948 28.90000
## 476 0 137.0000 84.00000 27.00000 79.79948 27.30000
## 477 2 105.0000 80.00000 45.00000 191.00000 33.70000
## 478 7 114.0000 76.00000 17.00000 110.00000 23.80000
## 479 8 126.0000 74.00000 38.00000 75.00000 25.90000
## 480 4 132.0000 86.00000 31.00000 79.79948 28.00000
## 481 3 158.0000 70.00000 30.00000 328.00000 35.50000
## 482 0 123.0000 88.00000 37.00000 79.79948 35.20000
## 483 4 85.0000 58.00000 22.00000 49.00000 27.80000
## 484 0 84.0000 82.00000 31.00000 125.00000 38.20000
## 485 0 145.0000 69.10547 20.53646 79.79948 44.20000
## 486 0 135.0000 68.00000 42.00000 250.00000 42.30000
## 487 1 139.0000 62.00000 41.00000 480.00000 40.70000
## 488 0 173.0000 78.00000 32.00000 265.00000 46.50000
## 489 4 99.0000 72.00000 17.00000 79.79948 25.60000
## 490 8 194.0000 80.00000 20.53646 79.79948 26.10000
## 491 2 83.0000 65.00000 28.00000 66.00000 36.80000
## 492 2 89.0000 90.00000 30.00000 79.79948 33.50000
## 493 4 99.0000 68.00000 38.00000 79.79948 32.80000
## 494 4 125.0000 70.00000 18.00000 122.00000 28.90000
## 495 3 80.0000 69.10547 20.53646 79.79948 31.99258
## 496 6 166.0000 74.00000 20.53646 79.79948 26.60000
## 497 5 110.0000 68.00000 20.53646 79.79948 26.00000
## 498 2 81.0000 72.00000 15.00000 76.00000 30.10000
## 499 7 195.0000 70.00000 33.00000 145.00000 25.10000
## 500 6 154.0000 74.00000 32.00000 193.00000 29.30000
## 501 2 117.0000 90.00000 19.00000 71.00000 25.20000
## 502 3 84.0000 72.00000 32.00000 79.79948 37.20000
## 503 6 120.8945 68.00000 41.00000 79.79948 39.00000
## 504 7 94.0000 64.00000 25.00000 79.00000 33.30000
## 505 3 96.0000 78.00000 39.00000 79.79948 37.30000
## 506 10 75.0000 82.00000 20.53646 79.79948 33.30000
## 507 0 180.0000 90.00000 26.00000 90.00000 36.50000
## 508 1 130.0000 60.00000 23.00000 170.00000 28.60000
## 509 2 84.0000 50.00000 23.00000 76.00000 30.40000
## 510 8 120.0000 78.00000 20.53646 79.79948 25.00000
## 511 12 84.0000 72.00000 31.00000 79.79948 29.70000
## 512 0 139.0000 62.00000 17.00000 210.00000 22.10000
## 513 9 91.0000 68.00000 20.53646 79.79948 24.20000
## 514 2 91.0000 62.00000 20.53646 79.79948 27.30000
## 515 3 99.0000 54.00000 19.00000 86.00000 25.60000
## 516 3 163.0000 70.00000 18.00000 105.00000 31.60000
## 517 9 145.0000 88.00000 34.00000 165.00000 30.30000
## 518 7 125.0000 86.00000 20.53646 79.79948 37.60000
## 519 13 76.0000 60.00000 20.53646 79.79948 32.80000
## 520 6 129.0000 90.00000 7.00000 326.00000 19.60000
## 521 2 68.0000 70.00000 32.00000 66.00000 25.00000
## 522 3 124.0000 80.00000 33.00000 130.00000 33.20000
## 523 6 114.0000 69.10547 20.53646 79.79948 31.99258
## 524 9 130.0000 70.00000 20.53646 79.79948 34.20000
## 525 3 125.0000 58.00000 20.53646 79.79948 31.60000
## 526 3 87.0000 60.00000 18.00000 79.79948 21.80000
## 527 1 97.0000 64.00000 19.00000 82.00000 18.20000
## 528 3 116.0000 74.00000 15.00000 105.00000 26.30000
## 529 0 117.0000 66.00000 31.00000 188.00000 30.80000
## 530 0 111.0000 65.00000 20.53646 79.79948 24.60000
## 531 2 122.0000 60.00000 18.00000 106.00000 29.80000
## 532 0 107.0000 76.00000 20.53646 79.79948 45.30000
## 533 1 86.0000 66.00000 52.00000 65.00000 41.30000
## 534 6 91.0000 69.10547 20.53646 79.79948 29.80000
## 535 1 77.0000 56.00000 30.00000 56.00000 33.30000
## 536 4 132.0000 69.10547 20.53646 79.79948 32.90000
## 537 0 105.0000 90.00000 20.53646 79.79948 29.60000
## 538 0 57.0000 60.00000 20.53646 79.79948 21.70000
## 539 0 127.0000 80.00000 37.00000 210.00000 36.30000
## 540 3 129.0000 92.00000 49.00000 155.00000 36.40000
## 541 8 100.0000 74.00000 40.00000 215.00000 39.40000
## 542 3 128.0000 72.00000 25.00000 190.00000 32.40000
## 543 10 90.0000 85.00000 32.00000 79.79948 34.90000
## 544 4 84.0000 90.00000 23.00000 56.00000 39.50000
## 545 1 88.0000 78.00000 29.00000 76.00000 32.00000
## 546 8 186.0000 90.00000 35.00000 225.00000 34.50000
## 547 5 187.0000 76.00000 27.00000 207.00000 43.60000
## 548 4 131.0000 68.00000 21.00000 166.00000 33.10000
## 549 1 164.0000 82.00000 43.00000 67.00000 32.80000
## 550 4 189.0000 110.00000 31.00000 79.79948 28.50000
## 551 1 116.0000 70.00000 28.00000 79.79948 27.40000
## 552 3 84.0000 68.00000 30.00000 106.00000 31.90000
## 553 6 114.0000 88.00000 20.53646 79.79948 27.80000
## 554 1 88.0000 62.00000 24.00000 44.00000 29.90000
## 555 1 84.0000 64.00000 23.00000 115.00000 36.90000
## 556 7 124.0000 70.00000 33.00000 215.00000 25.50000
## 557 1 97.0000 70.00000 40.00000 79.79948 38.10000
## 558 8 110.0000 76.00000 20.53646 79.79948 27.80000
## 559 11 103.0000 68.00000 40.00000 79.79948 46.20000
## 560 11 85.0000 74.00000 20.53646 79.79948 30.10000
## 561 6 125.0000 76.00000 20.53646 79.79948 33.80000
## 562 0 198.0000 66.00000 32.00000 274.00000 41.30000
## 563 1 87.0000 68.00000 34.00000 77.00000 37.60000
## 564 6 99.0000 60.00000 19.00000 54.00000 26.90000
## 565 0 91.0000 80.00000 20.53646 79.79948 32.40000
## 566 2 95.0000 54.00000 14.00000 88.00000 26.10000
## 567 1 99.0000 72.00000 30.00000 18.00000 38.60000
## 568 6 92.0000 62.00000 32.00000 126.00000 32.00000
## 569 4 154.0000 72.00000 29.00000 126.00000 31.30000
## 570 0 121.0000 66.00000 30.00000 165.00000 34.30000
## 571 3 78.0000 70.00000 20.53646 79.79948 32.50000
## 572 2 130.0000 96.00000 20.53646 79.79948 22.60000
## 573 3 111.0000 58.00000 31.00000 44.00000 29.50000
## 574 2 98.0000 60.00000 17.00000 120.00000 34.70000
## 575 1 143.0000 86.00000 30.00000 330.00000 30.10000
## 576 1 119.0000 44.00000 47.00000 63.00000 35.50000
## 577 6 108.0000 44.00000 20.00000 130.00000 24.00000
## 578 2 118.0000 80.00000 20.53646 79.79948 42.90000
## 579 10 133.0000 68.00000 20.53646 79.79948 27.00000
## 580 2 197.0000 70.00000 99.00000 79.79948 34.70000
## 581 0 151.0000 90.00000 46.00000 79.79948 42.10000
## 582 6 109.0000 60.00000 27.00000 79.79948 25.00000
## 583 12 121.0000 78.00000 17.00000 79.79948 26.50000
## 584 8 100.0000 76.00000 20.53646 79.79948 38.70000
## 585 8 124.0000 76.00000 24.00000 600.00000 28.70000
## 586 1 93.0000 56.00000 11.00000 79.79948 22.50000
## 587 8 143.0000 66.00000 20.53646 79.79948 34.90000
## 588 6 103.0000 66.00000 20.53646 79.79948 24.30000
## 589 3 176.0000 86.00000 27.00000 156.00000 33.30000
## 590 0 73.0000 69.10547 20.53646 79.79948 21.10000
## 591 11 111.0000 84.00000 40.00000 79.79948 46.80000
## 592 2 112.0000 78.00000 50.00000 140.00000 39.40000
## 593 3 132.0000 80.00000 20.53646 79.79948 34.40000
## 594 2 82.0000 52.00000 22.00000 115.00000 28.50000
## 595 6 123.0000 72.00000 45.00000 230.00000 33.60000
## 596 0 188.0000 82.00000 14.00000 185.00000 32.00000
## 597 0 67.0000 76.00000 20.53646 79.79948 45.30000
## 598 1 89.0000 24.00000 19.00000 25.00000 27.80000
## 599 1 173.0000 74.00000 20.53646 79.79948 36.80000
## 600 1 109.0000 38.00000 18.00000 120.00000 23.10000
## 601 1 108.0000 88.00000 19.00000 79.79948 27.10000
## 602 6 96.0000 69.10547 20.53646 79.79948 23.70000
## 603 1 124.0000 74.00000 36.00000 79.79948 27.80000
## 604 7 150.0000 78.00000 29.00000 126.00000 35.20000
## 605 4 183.0000 69.10547 20.53646 79.79948 28.40000
## 606 1 124.0000 60.00000 32.00000 79.79948 35.80000
## 607 1 181.0000 78.00000 42.00000 293.00000 40.00000
## 608 1 92.0000 62.00000 25.00000 41.00000 19.50000
## 609 0 152.0000 82.00000 39.00000 272.00000 41.50000
## 610 1 111.0000 62.00000 13.00000 182.00000 24.00000
## 611 3 106.0000 54.00000 21.00000 158.00000 30.90000
## 612 3 174.0000 58.00000 22.00000 194.00000 32.90000
## 613 7 168.0000 88.00000 42.00000 321.00000 38.20000
## 614 6 105.0000 80.00000 28.00000 79.79948 32.50000
## 615 11 138.0000 74.00000 26.00000 144.00000 36.10000
## 616 3 106.0000 72.00000 20.53646 79.79948 25.80000
## 617 6 117.0000 96.00000 20.53646 79.79948 28.70000
## 618 2 68.0000 62.00000 13.00000 15.00000 20.10000
## 619 9 112.0000 82.00000 24.00000 79.79948 28.20000
## 620 0 119.0000 69.10547 20.53646 79.79948 32.40000
## 621 2 112.0000 86.00000 42.00000 160.00000 38.40000
## 622 2 92.0000 76.00000 20.00000 79.79948 24.20000
## 623 6 183.0000 94.00000 20.53646 79.79948 40.80000
## 624 0 94.0000 70.00000 27.00000 115.00000 43.50000
## 625 2 108.0000 64.00000 20.53646 79.79948 30.80000
## 626 4 90.0000 88.00000 47.00000 54.00000 37.70000
## 627 0 125.0000 68.00000 20.53646 79.79948 24.70000
## 628 0 132.0000 78.00000 20.53646 79.79948 32.40000
## 629 5 128.0000 80.00000 20.53646 79.79948 34.60000
## 630 4 94.0000 65.00000 22.00000 79.79948 24.70000
## 631 7 114.0000 64.00000 20.53646 79.79948 27.40000
## 632 0 102.0000 78.00000 40.00000 90.00000 34.50000
## 633 2 111.0000 60.00000 20.53646 79.79948 26.20000
## 634 1 128.0000 82.00000 17.00000 183.00000 27.50000
## 635 10 92.0000 62.00000 20.53646 79.79948 25.90000
## 636 13 104.0000 72.00000 20.53646 79.79948 31.20000
## 637 5 104.0000 74.00000 20.53646 79.79948 28.80000
## 638 2 94.0000 76.00000 18.00000 66.00000 31.60000
## 639 7 97.0000 76.00000 32.00000 91.00000 40.90000
## 640 1 100.0000 74.00000 12.00000 46.00000 19.50000
## 641 0 102.0000 86.00000 17.00000 105.00000 29.30000
## 642 4 128.0000 70.00000 20.53646 79.79948 34.30000
## 643 6 147.0000 80.00000 20.53646 79.79948 29.50000
## 644 4 90.0000 69.10547 20.53646 79.79948 28.00000
## 645 3 103.0000 72.00000 30.00000 152.00000 27.60000
## 646 2 157.0000 74.00000 35.00000 440.00000 39.40000
## 647 1 167.0000 74.00000 17.00000 144.00000 23.40000
## 648 0 179.0000 50.00000 36.00000 159.00000 37.80000
## 649 11 136.0000 84.00000 35.00000 130.00000 28.30000
## 650 0 107.0000 60.00000 25.00000 79.79948 26.40000
## 651 1 91.0000 54.00000 25.00000 100.00000 25.20000
## 652 1 117.0000 60.00000 23.00000 106.00000 33.80000
## 653 5 123.0000 74.00000 40.00000 77.00000 34.10000
## 654 2 120.0000 54.00000 20.53646 79.79948 26.80000
## 655 1 106.0000 70.00000 28.00000 135.00000 34.20000
## 656 2 155.0000 52.00000 27.00000 540.00000 38.70000
## 657 2 101.0000 58.00000 35.00000 90.00000 21.80000
## 658 1 120.0000 80.00000 48.00000 200.00000 38.90000
## 659 11 127.0000 106.00000 20.53646 79.79948 39.00000
## 660 3 80.0000 82.00000 31.00000 70.00000 34.20000
## 661 10 162.0000 84.00000 20.53646 79.79948 27.70000
## 662 1 199.0000 76.00000 43.00000 79.79948 42.90000
## 663 8 167.0000 106.00000 46.00000 231.00000 37.60000
## 664 9 145.0000 80.00000 46.00000 130.00000 37.90000
## 665 6 115.0000 60.00000 39.00000 79.79948 33.70000
## 666 1 112.0000 80.00000 45.00000 132.00000 34.80000
## 667 4 145.0000 82.00000 18.00000 79.79948 32.50000
## 668 10 111.0000 70.00000 27.00000 79.79948 27.50000
## 669 6 98.0000 58.00000 33.00000 190.00000 34.00000
## 670 9 154.0000 78.00000 30.00000 100.00000 30.90000
## 671 6 165.0000 68.00000 26.00000 168.00000 33.60000
## 672 1 99.0000 58.00000 10.00000 79.79948 25.40000
## 673 10 68.0000 106.00000 23.00000 49.00000 35.50000
## 674 3 123.0000 100.00000 35.00000 240.00000 57.30000
## 675 8 91.0000 82.00000 20.53646 79.79948 35.60000
## 676 6 195.0000 70.00000 20.53646 79.79948 30.90000
## 677 9 156.0000 86.00000 20.53646 79.79948 24.80000
## 678 0 93.0000 60.00000 20.53646 79.79948 35.30000
## 679 3 121.0000 52.00000 20.53646 79.79948 36.00000
## 680 2 101.0000 58.00000 17.00000 265.00000 24.20000
## 681 2 56.0000 56.00000 28.00000 45.00000 24.20000
## 682 0 162.0000 76.00000 36.00000 79.79948 49.60000
## 683 0 95.0000 64.00000 39.00000 105.00000 44.60000
## 684 4 125.0000 80.00000 20.53646 79.79948 32.30000
## 685 5 136.0000 82.00000 20.53646 79.79948 31.99258
## 686 2 129.0000 74.00000 26.00000 205.00000 33.20000
## 687 3 130.0000 64.00000 20.53646 79.79948 23.10000
## 688 1 107.0000 50.00000 19.00000 79.79948 28.30000
## 689 1 140.0000 74.00000 26.00000 180.00000 24.10000
## 690 1 144.0000 82.00000 46.00000 180.00000 46.10000
## 691 8 107.0000 80.00000 20.53646 79.79948 24.60000
## 692 13 158.0000 114.00000 20.53646 79.79948 42.30000
## 693 2 121.0000 70.00000 32.00000 95.00000 39.10000
## 694 7 129.0000 68.00000 49.00000 125.00000 38.50000
## 695 2 90.0000 60.00000 20.53646 79.79948 23.50000
## 696 7 142.0000 90.00000 24.00000 480.00000 30.40000
## 697 3 169.0000 74.00000 19.00000 125.00000 29.90000
## 698 0 99.0000 69.10547 20.53646 79.79948 25.00000
## 699 4 127.0000 88.00000 11.00000 155.00000 34.50000
## 700 4 118.0000 70.00000 20.53646 79.79948 44.50000
## 701 2 122.0000 76.00000 27.00000 200.00000 35.90000
## 702 6 125.0000 78.00000 31.00000 79.79948 27.60000
## 703 1 168.0000 88.00000 29.00000 79.79948 35.00000
## 704 2 129.0000 69.10547 20.53646 79.79948 38.50000
## 705 4 110.0000 76.00000 20.00000 100.00000 28.40000
## 706 6 80.0000 80.00000 36.00000 79.79948 39.80000
## 707 10 115.0000 69.10547 20.53646 79.79948 31.99258
## 708 2 127.0000 46.00000 21.00000 335.00000 34.40000
## 709 9 164.0000 78.00000 20.53646 79.79948 32.80000
## 710 2 93.0000 64.00000 32.00000 160.00000 38.00000
## 711 3 158.0000 64.00000 13.00000 387.00000 31.20000
## 712 5 126.0000 78.00000 27.00000 22.00000 29.60000
## 713 10 129.0000 62.00000 36.00000 79.79948 41.20000
## 714 0 134.0000 58.00000 20.00000 291.00000 26.40000
## 715 3 102.0000 74.00000 20.53646 79.79948 29.50000
## 716 7 187.0000 50.00000 33.00000 392.00000 33.90000
## 717 3 173.0000 78.00000 39.00000 185.00000 33.80000
## 718 10 94.0000 72.00000 18.00000 79.79948 23.10000
## 719 1 108.0000 60.00000 46.00000 178.00000 35.50000
## 720 5 97.0000 76.00000 27.00000 79.79948 35.60000
## 721 4 83.0000 86.00000 19.00000 79.79948 29.30000
## 722 1 114.0000 66.00000 36.00000 200.00000 38.10000
## 723 1 149.0000 68.00000 29.00000 127.00000 29.30000
## 724 5 117.0000 86.00000 30.00000 105.00000 39.10000
## 725 1 111.0000 94.00000 20.53646 79.79948 32.80000
## 726 4 112.0000 78.00000 40.00000 79.79948 39.40000
## 727 1 116.0000 78.00000 29.00000 180.00000 36.10000
## 728 0 141.0000 84.00000 26.00000 79.79948 32.40000
## 729 2 175.0000 88.00000 20.53646 79.79948 22.90000
## 730 2 92.0000 52.00000 20.53646 79.79948 30.10000
## 731 3 130.0000 78.00000 23.00000 79.00000 28.40000
## 732 8 120.0000 86.00000 20.53646 79.79948 28.40000
## 733 2 174.0000 88.00000 37.00000 120.00000 44.50000
## 734 2 106.0000 56.00000 27.00000 165.00000 29.00000
## 735 2 105.0000 75.00000 20.53646 79.79948 23.30000
## 736 4 95.0000 60.00000 32.00000 79.79948 35.40000
## 737 0 126.0000 86.00000 27.00000 120.00000 27.40000
## 738 8 65.0000 72.00000 23.00000 79.79948 32.00000
## 739 2 99.0000 60.00000 17.00000 160.00000 36.60000
## 740 1 102.0000 74.00000 20.53646 79.79948 39.50000
## 741 11 120.0000 80.00000 37.00000 150.00000 42.30000
## 742 3 102.0000 44.00000 20.00000 94.00000 30.80000
## 743 1 109.0000 58.00000 18.00000 116.00000 28.50000
## 744 9 140.0000 94.00000 20.53646 79.79948 32.70000
## 745 13 153.0000 88.00000 37.00000 140.00000 40.60000
## 746 12 100.0000 84.00000 33.00000 105.00000 30.00000
## 747 1 147.0000 94.00000 41.00000 79.79948 49.30000
## 748 1 81.0000 74.00000 41.00000 57.00000 46.30000
## 749 3 187.0000 70.00000 22.00000 200.00000 36.40000
## 750 6 162.0000 62.00000 20.53646 79.79948 24.30000
## 751 4 136.0000 70.00000 20.53646 79.79948 31.20000
## 752 1 121.0000 78.00000 39.00000 74.00000 39.00000
## 753 3 108.0000 62.00000 24.00000 79.79948 26.00000
## 754 0 181.0000 88.00000 44.00000 510.00000 43.30000
## 755 8 154.0000 78.00000 32.00000 79.79948 32.40000
## 756 1 128.0000 88.00000 39.00000 110.00000 36.50000
## 757 7 137.0000 90.00000 41.00000 79.79948 32.00000
## 758 0 123.0000 72.00000 20.53646 79.79948 36.30000
## 759 1 106.0000 76.00000 20.53646 79.79948 37.50000
## 760 6 190.0000 92.00000 20.53646 79.79948 35.50000
## 761 2 88.0000 58.00000 26.00000 16.00000 28.40000
## 762 9 170.0000 74.00000 31.00000 79.79948 44.00000
## 763 9 89.0000 62.00000 20.53646 79.79948 22.50000
## 764 10 101.0000 76.00000 48.00000 180.00000 32.90000
## 765 2 122.0000 70.00000 27.00000 79.79948 36.80000
## 766 5 121.0000 72.00000 23.00000 112.00000 26.20000
## 767 1 126.0000 60.00000 20.53646 79.79948 30.10000
## 768 1 93.0000 70.00000 31.00000 79.79948 30.40000
## DiabetesPedigreeFunction Age Outcome
## 1 0.627 50 1
## 2 0.351 31 0
## 3 0.672 32 1
## 4 0.167 21 0
## 5 2.288 33 1
## 6 0.201 30 0
## 7 0.248 26 1
## 8 0.134 29 0
## 9 0.158 53 1
## 10 0.232 54 1
## 11 0.191 30 0
## 12 0.537 34 1
## 13 1.441 57 0
## 14 0.398 59 1
## 15 0.587 51 1
## 16 0.484 32 1
## 17 0.551 31 1
## 18 0.254 31 1
## 19 0.183 33 0
## 20 0.529 32 1
## 21 0.704 27 0
## 22 0.388 50 0
## 23 0.451 41 1
## 24 0.263 29 1
## 25 0.254 51 1
## 26 0.205 41 1
## 27 0.257 43 1
## 28 0.487 22 0
## 29 0.245 57 0
## 30 0.337 38 0
## 31 0.546 60 0
## 32 0.851 28 1
## 33 0.267 22 0
## 34 0.188 28 0
## 35 0.512 45 0
## 36 0.966 33 0
## 37 0.420 35 0
## 38 0.665 46 1
## 39 0.503 27 1
## 40 1.390 56 1
## 41 0.271 26 0
## 42 0.696 37 0
## 43 0.235 48 0
## 44 0.721 54 1
## 45 0.294 40 0
## 46 1.893 25 1
## 47 0.564 29 0
## 48 0.586 22 0
## 49 0.344 31 1
## 50 0.305 24 0
## 51 0.491 22 0
## 52 0.526 26 0
## 53 0.342 30 0
## 54 0.467 58 1
## 55 0.718 42 0
## 56 0.248 21 0
## 57 0.254 41 1
## 58 0.962 31 0
## 59 1.781 44 0
## 60 0.173 22 0
## 61 0.304 21 0
## 62 0.270 39 1
## 63 0.587 36 0
## 64 0.699 24 0
## 65 0.258 42 1
## 66 0.203 32 0
## 67 0.855 38 1
## 68 0.845 54 0
## 69 0.334 25 0
## 70 0.189 27 0
## 71 0.867 28 1
## 72 0.411 26 0
## 73 0.583 42 1
## 74 0.231 23 0
## 75 0.396 22 0
## 76 0.140 22 0
## 77 0.391 41 0
## 78 0.370 27 0
## 79 0.270 26 1
## 80 0.307 24 0
## 81 0.140 22 0
## 82 0.102 22 0
## 83 0.767 36 0
## 84 0.237 22 0
## 85 0.227 37 1
## 86 0.698 27 0
## 87 0.178 45 0
## 88 0.324 26 0
## 89 0.153 43 1
## 90 0.165 24 0
## 91 0.258 21 0
## 92 0.443 34 0
## 93 0.261 42 0
## 94 0.277 60 1
## 95 0.761 21 0
## 96 0.255 40 0
## 97 0.130 24 0
## 98 0.323 22 0
## 99 0.356 23 0
## 100 0.325 31 1
## 101 1.222 33 1
## 102 0.179 22 0
## 103 0.262 21 0
## 104 0.283 24 0
## 105 0.930 27 0
## 106 0.801 21 0
## 107 0.207 27 0
## 108 0.287 37 0
## 109 0.336 25 0
## 110 0.247 24 1
## 111 0.199 24 1
## 112 0.543 46 1
## 113 0.192 23 0
## 114 0.391 25 0
## 115 0.588 39 1
## 116 0.539 61 1
## 117 0.220 38 1
## 118 0.654 25 0
## 119 0.443 22 0
## 120 0.223 21 0
## 121 0.759 25 1
## 122 0.260 24 0
## 123 0.404 23 0
## 124 0.186 69 0
## 125 0.278 23 1
## 126 0.496 26 1
## 127 0.452 30 0
## 128 0.261 23 0
## 129 0.403 40 1
## 130 0.741 62 1
## 131 0.361 33 1
## 132 1.114 33 1
## 133 0.356 30 1
## 134 0.457 39 0
## 135 0.647 26 0
## 136 0.088 31 0
## 137 0.597 21 0
## 138 0.532 22 0
## 139 0.703 29 0
## 140 0.159 28 0
## 141 0.268 55 0
## 142 0.286 38 0
## 143 0.318 22 0
## 144 0.272 42 1
## 145 0.237 23 0
## 146 0.572 21 0
## 147 0.096 41 0
## 148 1.400 34 0
## 149 0.218 65 0
## 150 0.085 22 0
## 151 0.399 24 0
## 152 0.432 37 0
## 153 1.189 42 1
## 154 0.687 23 0
## 155 0.137 43 1
## 156 0.337 36 1
## 157 0.637 21 0
## 158 0.833 23 0
## 159 0.229 22 0
## 160 0.817 47 1
## 161 0.294 36 0
## 162 0.204 45 0
## 163 0.167 27 0
## 164 0.368 21 0
## 165 0.743 32 1
## 166 0.722 41 1
## 167 0.256 22 0
## 168 0.709 34 0
## 169 0.471 29 0
## 170 0.495 29 0
## 171 0.180 36 1
## 172 0.542 29 1
## 173 0.773 25 0
## 174 0.678 23 0
## 175 0.370 33 0
## 176 0.719 36 1
## 177 0.382 42 0
## 178 0.319 26 1
## 179 0.190 47 0
## 180 0.956 37 1
## 181 0.084 32 0
## 182 0.725 23 0
## 183 0.299 21 0
## 184 0.268 27 0
## 185 0.244 40 0
## 186 0.745 41 1
## 187 0.615 60 1
## 188 1.321 33 1
## 189 0.640 31 1
## 190 0.361 25 1
## 191 0.142 21 0
## 192 0.374 40 0
## 193 0.383 36 1
## 194 0.578 40 1
## 195 0.136 42 0
## 196 0.395 29 1
## 197 0.187 21 0
## 198 0.678 23 1
## 199 0.905 26 1
## 200 0.150 29 1
## 201 0.874 21 0
## 202 0.236 28 0
## 203 0.787 32 0
## 204 0.235 27 0
## 205 0.324 55 0
## 206 0.407 27 0
## 207 0.605 57 1
## 208 0.151 52 1
## 209 0.289 21 0
## 210 0.355 41 1
## 211 0.290 25 0
## 212 0.375 24 0
## 213 0.164 60 0
## 214 0.431 24 1
## 215 0.260 36 1
## 216 0.742 38 1
## 217 0.514 25 1
## 218 0.464 32 0
## 219 1.224 32 1
## 220 0.261 41 1
## 221 1.072 21 1
## 222 0.805 66 1
## 223 0.209 37 0
## 224 0.687 61 0
## 225 0.666 26 0
## 226 0.101 22 0
## 227 0.198 26 0
## 228 0.652 24 1
## 229 2.329 31 0
## 230 0.089 24 0
## 231 0.645 22 1
## 232 0.238 46 1
## 233 0.583 22 0
## 234 0.394 29 0
## 235 0.293 23 0
## 236 0.479 26 1
## 237 0.586 51 1
## 238 0.686 23 1
## 239 0.831 32 1
## 240 0.582 27 0
## 241 0.192 21 0
## 242 0.446 22 0
## 243 0.402 22 1
## 244 1.318 33 1
## 245 0.329 29 0
## 246 1.213 49 1
## 247 0.258 41 0
## 248 0.427 23 0
## 249 0.282 34 0
## 250 0.143 23 0
## 251 0.380 42 0
## 252 0.284 27 0
## 253 0.249 24 0
## 254 0.238 25 0
## 255 0.926 44 1
## 256 0.543 21 1
## 257 0.557 30 0
## 258 0.092 25 0
## 259 0.655 24 0
## 260 1.353 51 1
## 261 0.299 34 0
## 262 0.761 27 1
## 263 0.612 24 0
## 264 0.200 63 0
## 265 0.226 35 1
## 266 0.997 43 0
## 267 0.933 25 1
## 268 1.101 24 0
## 269 0.078 21 0
## 270 0.240 28 1
## 271 1.136 38 1
## 272 0.128 21 0
## 273 0.254 40 0
## 274 0.422 21 0
## 275 0.251 52 0
## 276 0.677 25 0
## 277 0.296 29 1
## 278 0.454 23 0
## 279 0.744 57 0
## 280 0.881 22 0
## 281 0.334 28 1
## 282 0.280 39 0
## 283 0.262 37 0
## 284 0.165 47 1
## 285 0.259 52 1
## 286 0.647 51 0
## 287 0.619 34 0
## 288 0.808 29 1
## 289 0.340 26 0
## 290 0.263 33 0
## 291 0.434 21 0
## 292 0.757 25 1
## 293 1.224 31 1
## 294 0.613 24 1
## 295 0.254 65 0
## 296 0.692 28 0
## 297 0.337 29 1
## 298 0.520 24 0
## 299 0.412 46 1
## 300 0.840 58 0
## 301 0.839 30 1
## 302 0.422 25 1
## 303 0.156 35 0
## 304 0.209 28 1
## 305 0.207 37 0
## 306 0.215 29 0
## 307 0.326 47 1
## 308 0.143 21 0
## 309 1.391 25 1
## 310 0.875 30 1
## 311 0.313 41 0
## 312 0.605 22 0
## 313 0.433 27 1
## 314 0.626 25 0
## 315 1.127 43 1
## 316 0.315 26 0
## 317 0.284 30 0
## 318 0.345 29 1
## 319 0.150 28 0
## 320 0.129 59 1
## 321 0.527 31 0
## 322 0.197 25 1
## 323 0.254 36 1
## 324 0.731 43 1
## 325 0.148 21 0
## 326 0.123 24 0
## 327 0.692 30 1
## 328 0.200 37 0
## 329 0.127 23 1
## 330 0.122 37 0
## 331 1.476 46 0
## 332 0.166 25 0
## 333 0.282 41 1
## 334 0.137 44 0
## 335 0.260 22 0
## 336 0.259 26 0
## 337 0.932 44 0
## 338 0.343 44 1
## 339 0.893 33 1
## 340 0.331 41 1
## 341 0.472 22 0
## 342 0.673 36 0
## 343 0.389 22 0
## 344 0.290 33 0
## 345 0.485 57 0
## 346 0.349 49 0
## 347 0.654 22 0
## 348 0.187 23 0
## 349 0.279 26 0
## 350 0.346 37 1
## 351 0.237 29 0
## 352 0.252 30 0
## 353 0.243 46 0
## 354 0.580 24 0
## 355 0.559 21 0
## 356 0.302 49 1
## 357 0.962 28 1
## 358 0.569 44 1
## 359 0.378 48 0
## 360 0.875 29 1
## 361 0.583 29 1
## 362 0.207 63 0
## 363 0.305 65 0
## 364 0.520 67 1
## 365 0.385 30 0
## 366 0.499 30 0
## 367 0.368 29 1
## 368 0.252 21 0
## 369 0.306 22 0
## 370 0.234 45 1
## 371 2.137 25 1
## 372 1.731 21 0
## 373 0.545 21 0
## 374 0.225 25 0
## 375 0.816 28 0
## 376 0.528 58 1
## 377 0.299 22 0
## 378 0.509 22 0
## 379 0.238 32 1
## 380 1.021 35 0
## 381 0.821 24 0
## 382 0.236 22 0
## 383 0.947 21 0
## 384 1.268 25 0
## 385 0.221 25 0
## 386 0.205 24 0
## 387 0.660 35 1
## 388 0.239 45 1
## 389 0.452 58 1
## 390 0.949 28 0
## 391 0.444 42 0
## 392 0.340 27 1
## 393 0.389 21 0
## 394 0.463 37 0
## 395 0.803 31 1
## 396 1.600 25 0
## 397 0.944 39 0
## 398 0.196 22 1
## 399 0.389 25 0
## 400 0.241 25 1
## 401 0.161 31 1
## 402 0.151 55 0
## 403 0.286 35 1
## 404 0.280 38 0
## 405 0.135 41 1
## 406 0.520 26 0
## 407 0.376 46 1
## 408 0.336 25 0
## 409 1.191 39 1
## 410 0.702 28 1
## 411 0.674 28 0
## 412 0.528 25 0
## 413 1.076 22 0
## 414 0.256 21 0
## 415 0.534 21 1
## 416 0.258 22 1
## 417 1.095 22 0
## 418 0.554 37 1
## 419 0.624 27 0
## 420 0.219 28 1
## 421 0.507 26 0
## 422 0.561 21 0
## 423 0.496 21 0
## 424 0.421 21 0
## 425 0.516 36 1
## 426 0.264 31 1
## 427 0.256 25 0
## 428 0.328 38 1
## 429 0.284 26 0
## 430 0.233 43 1
## 431 0.108 23 0
## 432 0.551 38 0
## 433 0.527 22 0
## 434 0.167 29 0
## 435 1.138 36 0
## 436 0.205 29 1
## 437 0.244 41 0
## 438 0.434 28 0
## 439 0.147 21 0
## 440 0.727 31 0
## 441 0.435 41 1
## 442 0.497 22 0
## 443 0.230 24 0
## 444 0.955 33 1
## 445 0.380 30 1
## 446 2.420 25 1
## 447 0.658 28 0
## 448 0.330 26 0
## 449 0.510 22 1
## 450 0.285 26 0
## 451 0.415 23 0
## 452 0.542 23 1
## 453 0.381 25 0
## 454 0.832 72 0
## 455 0.498 24 0
## 456 0.212 38 1
## 457 0.687 62 0
## 458 0.364 24 0
## 459 1.001 51 1
## 460 0.460 81 0
## 461 0.733 48 0
## 462 0.416 26 0
## 463 0.705 39 0
## 464 0.258 37 0
## 465 1.022 34 0
## 466 0.452 21 0
## 467 0.269 22 0
## 468 0.600 25 0
## 469 0.183 38 1
## 470 0.571 27 0
## 471 0.607 28 0
## 472 0.170 22 0
## 473 0.259 22 0
## 474 0.210 50 0
## 475 0.126 24 0
## 476 0.231 59 0
## 477 0.711 29 1
## 478 0.466 31 0
## 479 0.162 39 0
## 480 0.419 63 0
## 481 0.344 35 1
## 482 0.197 29 0
## 483 0.306 28 0
## 484 0.233 23 0
## 485 0.630 31 1
## 486 0.365 24 1
## 487 0.536 21 0
## 488 1.159 58 0
## 489 0.294 28 0
## 490 0.551 67 0
## 491 0.629 24 0
## 492 0.292 42 0
## 493 0.145 33 0
## 494 1.144 45 1
## 495 0.174 22 0
## 496 0.304 66 0
## 497 0.292 30 0
## 498 0.547 25 0
## 499 0.163 55 1
## 500 0.839 39 0
## 501 0.313 21 0
## 502 0.267 28 0
## 503 0.727 41 1
## 504 0.738 41 0
## 505 0.238 40 0
## 506 0.263 38 0
## 507 0.314 35 1
## 508 0.692 21 0
## 509 0.968 21 0
## 510 0.409 64 0
## 511 0.297 46 1
## 512 0.207 21 0
## 513 0.200 58 0
## 514 0.525 22 0
## 515 0.154 24 0
## 516 0.268 28 1
## 517 0.771 53 1
## 518 0.304 51 0
## 519 0.180 41 0
## 520 0.582 60 0
## 521 0.187 25 0
## 522 0.305 26 0
## 523 0.189 26 0
## 524 0.652 45 1
## 525 0.151 24 0
## 526 0.444 21 0
## 527 0.299 21 0
## 528 0.107 24 0
## 529 0.493 22 0
## 530 0.660 31 0
## 531 0.717 22 0
## 532 0.686 24 0
## 533 0.917 29 0
## 534 0.501 31 0
## 535 1.251 24 0
## 536 0.302 23 1
## 537 0.197 46 0
## 538 0.735 67 0
## 539 0.804 23 0
## 540 0.968 32 1
## 541 0.661 43 1
## 542 0.549 27 1
## 543 0.825 56 1
## 544 0.159 25 0
## 545 0.365 29 0
## 546 0.423 37 1
## 547 1.034 53 1
## 548 0.160 28 0
## 549 0.341 50 0
## 550 0.680 37 0
## 551 0.204 21 0
## 552 0.591 25 0
## 553 0.247 66 0
## 554 0.422 23 0
## 555 0.471 28 0
## 556 0.161 37 0
## 557 0.218 30 0
## 558 0.237 58 0
## 559 0.126 42 0
## 560 0.300 35 0
## 561 0.121 54 1
## 562 0.502 28 1
## 563 0.401 24 0
## 564 0.497 32 0
## 565 0.601 27 0
## 566 0.748 22 0
## 567 0.412 21 0
## 568 0.085 46 0
## 569 0.338 37 0
## 570 0.203 33 1
## 571 0.270 39 0
## 572 0.268 21 0
## 573 0.430 22 0
## 574 0.198 22 0
## 575 0.892 23 0
## 576 0.280 25 0
## 577 0.813 35 0
## 578 0.693 21 1
## 579 0.245 36 0
## 580 0.575 62 1
## 581 0.371 21 1
## 582 0.206 27 0
## 583 0.259 62 0
## 584 0.190 42 0
## 585 0.687 52 1
## 586 0.417 22 0
## 587 0.129 41 1
## 588 0.249 29 0
## 589 1.154 52 1
## 590 0.342 25 0
## 591 0.925 45 1
## 592 0.175 24 0
## 593 0.402 44 1
## 594 1.699 25 0
## 595 0.733 34 0
## 596 0.682 22 1
## 597 0.194 46 0
## 598 0.559 21 0
## 599 0.088 38 1
## 600 0.407 26 0
## 601 0.400 24 0
## 602 0.190 28 0
## 603 0.100 30 0
## 604 0.692 54 1
## 605 0.212 36 1
## 606 0.514 21 0
## 607 1.258 22 1
## 608 0.482 25 0
## 609 0.270 27 0
## 610 0.138 23 0
## 611 0.292 24 0
## 612 0.593 36 1
## 613 0.787 40 1
## 614 0.878 26 0
## 615 0.557 50 1
## 616 0.207 27 0
## 617 0.157 30 0
## 618 0.257 23 0
## 619 1.282 50 1
## 620 0.141 24 1
## 621 0.246 28 0
## 622 1.698 28 0
## 623 1.461 45 0
## 624 0.347 21 0
## 625 0.158 21 0
## 626 0.362 29 0
## 627 0.206 21 0
## 628 0.393 21 0
## 629 0.144 45 0
## 630 0.148 21 0
## 631 0.732 34 1
## 632 0.238 24 0
## 633 0.343 23 0
## 634 0.115 22 0
## 635 0.167 31 0
## 636 0.465 38 1
## 637 0.153 48 0
## 638 0.649 23 0
## 639 0.871 32 1
## 640 0.149 28 0
## 641 0.695 27 0
## 642 0.303 24 0
## 643 0.178 50 1
## 644 0.610 31 0
## 645 0.730 27 0
## 646 0.134 30 0
## 647 0.447 33 1
## 648 0.455 22 1
## 649 0.260 42 1
## 650 0.133 23 0
## 651 0.234 23 0
## 652 0.466 27 0
## 653 0.269 28 0
## 654 0.455 27 0
## 655 0.142 22 0
## 656 0.240 25 1
## 657 0.155 22 0
## 658 1.162 41 0
## 659 0.190 51 0
## 660 1.292 27 1
## 661 0.182 54 0
## 662 1.394 22 1
## 663 0.165 43 1
## 664 0.637 40 1
## 665 0.245 40 1
## 666 0.217 24 0
## 667 0.235 70 1
## 668 0.141 40 1
## 669 0.430 43 0
## 670 0.164 45 0
## 671 0.631 49 0
## 672 0.551 21 0
## 673 0.285 47 0
## 674 0.880 22 0
## 675 0.587 68 0
## 676 0.328 31 1
## 677 0.230 53 1
## 678 0.263 25 0
## 679 0.127 25 1
## 680 0.614 23 0
## 681 0.332 22 0
## 682 0.364 26 1
## 683 0.366 22 0
## 684 0.536 27 1
## 685 0.640 69 0
## 686 0.591 25 0
## 687 0.314 22 0
## 688 0.181 29 0
## 689 0.828 23 0
## 690 0.335 46 1
## 691 0.856 34 0
## 692 0.257 44 1
## 693 0.886 23 0
## 694 0.439 43 1
## 695 0.191 25 0
## 696 0.128 43 1
## 697 0.268 31 1
## 698 0.253 22 0
## 699 0.598 28 0
## 700 0.904 26 0
## 701 0.483 26 0
## 702 0.565 49 1
## 703 0.905 52 1
## 704 0.304 41 0
## 705 0.118 27 0
## 706 0.177 28 0
## 707 0.261 30 1
## 708 0.176 22 0
## 709 0.148 45 1
## 710 0.674 23 1
## 711 0.295 24 0
## 712 0.439 40 0
## 713 0.441 38 1
## 714 0.352 21 0
## 715 0.121 32 0
## 716 0.826 34 1
## 717 0.970 31 1
## 718 0.595 56 0
## 719 0.415 24 0
## 720 0.378 52 1
## 721 0.317 34 0
## 722 0.289 21 0
## 723 0.349 42 1
## 724 0.251 42 0
## 725 0.265 45 0
## 726 0.236 38 0
## 727 0.496 25 0
## 728 0.433 22 0
## 729 0.326 22 0
## 730 0.141 22 0
## 731 0.323 34 1
## 732 0.259 22 1
## 733 0.646 24 1
## 734 0.426 22 0
## 735 0.560 53 0
## 736 0.284 28 0
## 737 0.515 21 0
## 738 0.600 42 0
## 739 0.453 21 0
## 740 0.293 42 1
## 741 0.785 48 1
## 742 0.400 26 0
## 743 0.219 22 0
## 744 0.734 45 1
## 745 1.174 39 0
## 746 0.488 46 0
## 747 0.358 27 1
## 748 1.096 32 0
## 749 0.408 36 1
## 750 0.178 50 1
## 751 1.182 22 1
## 752 0.261 28 0
## 753 0.223 25 0
## 754 0.222 26 1
## 755 0.443 45 1
## 756 1.057 37 1
## 757 0.391 39 0
## 758 0.258 52 1
## 759 0.197 26 0
## 760 0.278 66 1
## 761 0.766 22 0
## 762 0.403 43 1
## 763 0.142 33 0
## 764 0.171 63 0
## 765 0.340 27 0
## 766 0.245 30 0
## 767 0.349 47 1
## 768 0.315 23 0Selanjutnya yaitu melakukan pengecekan terhadap missing value. Missing value perlu kita cek terlebih dahulu agar tidak mengganggu dalam melakukan pemodelan nantinya.
## Pregnancies Glucose BloodPressure
## 0 0 0
## SkinThickness Insulin BMI
## 0 0 0
## DiabetesPedigreeFunction Age Outcome
## 0 0 04. Pre-Processing Data
Sebelum melakukan pemodelan, kita perlu melihat terlebih dahulu proporsi dari target variabel yang kita miliki pada kolom Outcome.
##
## 0 1
## 0.6510417 0.3489583##
## 0 1
## 500 268Jika dilihat dari proporsi kedua kelas, sudah cukup seimbang, sehingga kita tidak terlalu membutuhkan pre-processing tambahan untuk menyeimbangkan proporsi antar dua kelas target variabel.
5. Splitting Train-Test
Langkah selanjutnya yaitu melakukan splitting train test data. Tujuannya yaitu pada data train akan kita gunakan untuk modeling, sedangkan data test akan kita gunakan sebagai penguji model yang sudah kita buat jika dihadapkan dengan unseen data. Selain itu hal ini dapat digunakan untuk melihat kemampuan model yang kita buat dalam menghadapi unseen data.
6. Logistic Regression
Modelling
Melakukan pemodelan menggunakan regresi logistik. Pemodelan menggunakan fungsi glm() dalam memodelkan menggunakan regresi logistik.
##
## Call:
## glm(formula = Outcome ~ ., family = "binomial", data = diabetes_train)
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -9.230960 0.933731 -9.886 < 2e-16 ***
## Pregnancies 0.106816 0.038697 2.760 0.00577 **
## Glucose 0.038034 0.004480 8.490 < 2e-16 ***
## BloodPressure -0.007750 0.009621 -0.806 0.42053
## SkinThickness -0.006059 0.013008 -0.466 0.64137
## Insulin -0.001388 0.001192 -1.164 0.24437
## BMI 0.095743 0.020108 4.761 1.92e-06 ***
## DiabetesPedigreeFunction 0.993266 0.362860 2.737 0.00619 **
## Age 0.017399 0.010633 1.636 0.10179
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 734.64 on 575 degrees of freedom
## Residual deviance: 527.76 on 567 degrees of freedom
## AIC: 545.76
##
## Number of Fisher Scoring iterations: 5Model Fitting
Pada pemodelan yang pertama, masih banyak variabel prediktor yang tidak signifikan terhadap target variabel, oleh karena itu kita akan coba melakukan model fitting menggunakan metode stepwise.
Dengan menggunakan metode backward pada stepwise, kita memperoleh model sebagai berikut.
##
## Call:
## glm(formula = Outcome ~ Pregnancies + Glucose + BMI + DiabetesPedigreeFunction +
## Age, family = "binomial", data = diabetes_train)
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -9.429677 0.842471 -11.193 < 2e-16 ***
## Pregnancies 0.106280 0.038361 2.771 0.00560 **
## Glucose 0.035813 0.004101 8.733 < 2e-16 ***
## BMI 0.084961 0.016742 5.075 3.88e-07 ***
## DiabetesPedigreeFunction 0.925480 0.359096 2.577 0.00996 **
## Age 0.016248 0.010319 1.575 0.11536
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 734.64 on 575 degrees of freedom
## Residual deviance: 529.97 on 570 degrees of freedom
## AIC: 541.97
##
## Number of Fisher Scoring iterations: 5Prediksi
Dengan menggunakan model_step hasil dari stepwise, kita akan coba prediksi menggunakan data test yang sudah kita miliki.
# Mendapatkan log of odds
log_odds <- predict(object = model_step,
newdata = diabetes_test[1:5,],
type = "link")
# Menampilkan log of odds
print(log_odds)## 5 6 7 8 9
## 1.7921868 -1.8955169 -3.0316806 -0.6540656 1.4367082# Menghitung probabilitas dari log of odds
probabilities <- 1 / (1 + exp(-log_odds))
# Menyiapkan data untuk ggplot
pred_data <- data.frame(
Observation = factor(1:5), # Label untuk setiap observasi
LogOdds = log_odds, # Log of Odds
Probability = probabilities # Probabilitas yang diprediksi
)
# Menampilkan data untuk verifikasi
print(pred_data)## Observation LogOdds Probability
## 5 1 1.7921868 0.8571952
## 6 2 -1.8955169 0.1306167
## 7 3 -3.0316806 0.0460150
## 8 4 -0.6540656 0.3420739
## 9 5 1.4367082 0.8079444# Membuat grafik distribusi dari log of odds
ggplot(pred_data, aes(x = LogOdds)) +
geom_density(lwd = 0.5, fill = "steelblue", alpha = 0.5) +
labs(title = "Distribusi Log of Odds untuk 5 Observasi Pertama",
x = "Log of Odds",
y = "Kepadatan") +
theme_minimal()
# Melakukan prediksi probabilitas
probabilities <- predict(object = model_step,
newdata = diabetes_test[1:5,],
type = "response")
print(probabilities)## 5 6 7 8 9
## 0.8571952 0.1306167 0.0460150 0.3420739 0.8079444# Menyiapkan data untuk ggplot
pred_data <- data.frame(
Observation = factor(1:5), # Label untuk setiap observasi
Probability = probabilities # Probabilitas yang diprediksi
)
# Menampilkan data untuk verifikasi
print(pred_data)## Observation Probability
## 5 1 0.8571952
## 6 2 0.1306167
## 7 3 0.0460150
## 8 4 0.3420739
## 9 5 0.8079444# Membuat grafik dari probabilitas
ggplot(pred_data, aes(x = Probability)) +
geom_density(lwd = 0.5, fill = "steelblue", alpha = 0.5) +
labs(title = "Distribusi Probabilitas Prediksi untuk 5 Observasi Pertama",
x = "Probabilitas",
y = "Kepadatan") +
theme_minimal()
#Menambahkan kolom prediksi ke data pengujian
diabetes_test$prediction <- predict(object = model_step,
newdata = diabetes_test,
type = "response")diabetes_test$diabetic <- ifelse(test = diabetes_test$prediction > 0.5,
yes = "1",
no = "0")
diabetes_test <- diabetes_test %>%
mutate(diabetic = as.factor(diabetic))
diabetes_test## Pregnancies Glucose BloodPressure SkinThickness Insulin BMI
## 5 0 137.0000 40.00000 35.00000 168.00000 43.10000
## 6 5 116.0000 74.00000 20.53646 79.79948 25.60000
## 7 3 78.0000 50.00000 32.00000 88.00000 31.00000
## 8 10 115.0000 69.10547 20.53646 79.79948 35.30000
## 9 2 197.0000 70.00000 45.00000 543.00000 30.50000
## 16 7 100.0000 69.10547 20.53646 79.79948 30.00000
## 24 9 119.0000 80.00000 35.00000 79.79948 29.00000
## 26 10 125.0000 70.00000 26.00000 115.00000 31.10000
## 27 7 147.0000 76.00000 20.53646 79.79948 39.40000
## 37 11 138.0000 76.00000 20.53646 79.79948 33.20000
## 44 9 171.0000 110.00000 24.00000 240.00000 45.40000
## 46 0 180.0000 66.00000 39.00000 79.79948 42.00000
## 47 1 146.0000 56.00000 20.53646 79.79948 29.70000
## 48 2 71.0000 70.00000 27.00000 79.79948 28.00000
## 52 1 101.0000 50.00000 15.00000 36.00000 24.20000
## 56 1 73.0000 50.00000 10.00000 79.79948 23.00000
## 62 8 133.0000 72.00000 20.53646 79.79948 32.90000
## 65 7 114.0000 66.00000 20.53646 79.79948 32.80000
## 69 1 95.0000 66.00000 13.00000 38.00000 19.60000
## 72 5 139.0000 64.00000 35.00000 140.00000 28.60000
## 73 13 126.0000 90.00000 20.53646 79.79948 43.40000
## 78 5 95.0000 72.00000 33.00000 79.79948 37.70000
## 81 3 113.0000 44.00000 13.00000 79.79948 22.40000
## 82 2 74.0000 69.10547 20.53646 79.79948 31.99258
## 89 15 136.0000 70.00000 32.00000 110.00000 37.10000
## 92 4 123.0000 80.00000 15.00000 176.00000 32.00000
## 93 7 81.0000 78.00000 40.00000 48.00000 46.70000
## 96 6 144.0000 72.00000 27.00000 228.00000 33.90000
## 99 6 93.0000 50.00000 30.00000 64.00000 28.70000
## 109 3 83.0000 58.00000 31.00000 18.00000 34.30000
## 111 3 171.0000 72.00000 33.00000 135.00000 33.30000
## 114 4 76.0000 62.00000 20.53646 79.79948 34.00000
## 115 7 160.0000 54.00000 32.00000 175.00000 30.50000
## 117 5 124.0000 74.00000 20.53646 79.79948 34.00000
## 119 4 97.0000 60.00000 23.00000 79.79948 28.20000
## 129 1 117.0000 88.00000 24.00000 145.00000 34.50000
## 130 0 105.0000 84.00000 20.53646 79.79948 27.90000
## 134 8 84.0000 74.00000 31.00000 79.79948 38.30000
## 137 0 100.0000 70.00000 26.00000 50.00000 30.80000
## 139 0 129.0000 80.00000 20.53646 79.79948 31.20000
## 144 10 108.0000 66.00000 20.53646 79.79948 32.40000
## 148 2 106.0000 64.00000 35.00000 119.00000 30.50000
## 153 9 156.0000 86.00000 28.00000 155.00000 34.30000
## 158 1 109.0000 56.00000 21.00000 135.00000 25.20000
## 167 3 148.0000 66.00000 25.00000 79.79948 32.50000
## 172 6 134.0000 70.00000 23.00000 130.00000 35.40000
## 173 2 87.0000 69.10547 23.00000 79.79948 28.90000
## 180 5 130.0000 82.00000 20.53646 79.79948 39.10000
## 193 7 159.0000 66.00000 20.53646 79.79948 30.40000
## 196 5 158.0000 84.00000 41.00000 210.00000 39.40000
## 197 1 105.0000 58.00000 20.53646 79.79948 24.30000
## 200 4 148.0000 60.00000 27.00000 318.00000 30.90000
## 202 1 138.0000 82.00000 20.53646 79.79948 40.10000
## 217 5 109.0000 62.00000 41.00000 129.00000 35.80000
## 220 5 112.0000 66.00000 20.53646 79.79948 37.80000
## 225 1 100.0000 66.00000 15.00000 56.00000 23.60000
## 226 1 87.0000 78.00000 27.00000 32.00000 34.60000
## 232 6 134.0000 80.00000 37.00000 370.00000 46.20000
## 244 6 119.0000 50.00000 22.00000 176.00000 27.10000
## 246 9 184.0000 85.00000 15.00000 79.79948 30.00000
## 253 2 90.0000 80.00000 14.00000 55.00000 24.40000
## 261 3 191.0000 68.00000 15.00000 130.00000 30.90000
## 264 3 142.0000 80.00000 15.00000 79.79948 32.40000
## 266 5 96.0000 74.00000 18.00000 67.00000 33.60000
## 267 0 138.0000 69.10547 20.53646 79.79948 36.30000
## 268 2 128.0000 64.00000 42.00000 79.79948 40.00000
## 279 5 114.0000 74.00000 20.53646 79.79948 24.90000
## 282 10 129.0000 76.00000 28.00000 122.00000 35.90000
## 283 7 133.0000 88.00000 15.00000 155.00000 32.40000
## 287 5 155.0000 84.00000 44.00000 545.00000 38.70000
## 288 1 119.0000 86.00000 39.00000 220.00000 45.60000
## 289 4 96.0000 56.00000 17.00000 49.00000 20.80000
## 290 5 108.0000 72.00000 43.00000 75.00000 36.10000
## 292 0 107.0000 62.00000 30.00000 74.00000 36.60000
## 299 14 100.0000 78.00000 25.00000 184.00000 36.60000
## 300 8 112.0000 72.00000 20.53646 79.79948 23.60000
## 301 0 167.0000 69.10547 20.53646 79.79948 32.30000
## 304 5 115.0000 98.00000 20.53646 79.79948 52.90000
## 311 6 80.0000 66.00000 30.00000 79.79948 26.20000
## 312 0 106.0000 70.00000 37.00000 148.00000 39.40000
## 314 3 113.0000 50.00000 10.00000 85.00000 29.50000
## 315 7 109.0000 80.00000 31.00000 79.79948 35.90000
## 317 3 99.0000 80.00000 11.00000 64.00000 19.30000
## 322 3 112.0000 74.00000 30.00000 79.79948 31.60000
## 327 1 122.0000 64.00000 32.00000 156.00000 35.10000
## 329 2 102.0000 86.00000 36.00000 120.00000 45.50000
## 342 1 95.0000 74.00000 21.00000 73.00000 25.90000
## 348 3 116.0000 69.10547 20.53646 79.79948 23.50000
## 354 1 90.0000 62.00000 12.00000 43.00000 27.20000
## 355 3 90.0000 78.00000 20.53646 79.79948 42.70000
## 359 12 88.0000 74.00000 40.00000 54.00000 35.30000
## 368 0 101.0000 64.00000 17.00000 79.79948 21.00000
## 369 3 81.0000 86.00000 16.00000 66.00000 27.50000
## 372 0 118.0000 64.00000 23.00000 89.00000 31.99258
## 373 0 84.0000 64.00000 22.00000 66.00000 35.80000
## 377 0 98.0000 82.00000 15.00000 84.00000 25.20000
## 384 1 90.0000 62.00000 18.00000 59.00000 25.10000
## 385 1 125.0000 70.00000 24.00000 110.00000 24.30000
## 386 1 119.0000 54.00000 13.00000 50.00000 22.30000
## 387 5 116.0000 74.00000 29.00000 79.79948 32.30000
## 392 5 166.0000 76.00000 20.53646 79.79948 45.70000
## 398 0 131.0000 66.00000 40.00000 79.79948 34.30000
## 404 9 72.0000 78.00000 25.00000 79.79948 31.60000
## 412 1 112.0000 72.00000 30.00000 176.00000 34.40000
## 416 3 173.0000 84.00000 33.00000 474.00000 35.70000
## 418 4 144.0000 82.00000 32.00000 79.79948 38.50000
## 419 1 83.0000 68.00000 20.53646 79.79948 18.20000
## 436 0 141.0000 69.10547 20.53646 79.79948 42.40000
## 437 12 140.0000 85.00000 33.00000 79.79948 37.40000
## 443 4 117.0000 64.00000 27.00000 120.00000 33.20000
## 446 0 180.0000 78.00000 63.00000 14.00000 59.40000
## 447 1 100.0000 72.00000 12.00000 70.00000 25.30000
## 448 0 95.0000 80.00000 45.00000 92.00000 36.50000
## 453 0 91.0000 68.00000 32.00000 210.00000 39.90000
## 455 2 100.0000 54.00000 28.00000 105.00000 37.80000
## 458 5 86.0000 68.00000 28.00000 71.00000 30.20000
## 462 1 71.0000 62.00000 20.53646 79.79948 21.80000
## 472 0 137.0000 70.00000 38.00000 79.79948 33.20000
## 473 0 119.0000 66.00000 27.00000 79.79948 38.80000
## 483 4 85.0000 58.00000 22.00000 49.00000 27.80000
## 487 1 139.0000 62.00000 41.00000 480.00000 40.70000
## 490 8 194.0000 80.00000 20.53646 79.79948 26.10000
## 492 2 89.0000 90.00000 30.00000 79.79948 33.50000
## 496 6 166.0000 74.00000 20.53646 79.79948 26.60000
## 500 6 154.0000 74.00000 32.00000 193.00000 29.30000
## 503 6 120.8945 68.00000 41.00000 79.79948 39.00000
## 506 10 75.0000 82.00000 20.53646 79.79948 33.30000
## 507 0 180.0000 90.00000 26.00000 90.00000 36.50000
## 516 3 163.0000 70.00000 18.00000 105.00000 31.60000
## 520 6 129.0000 90.00000 7.00000 326.00000 19.60000
## 521 2 68.0000 70.00000 32.00000 66.00000 25.00000
## 531 2 122.0000 60.00000 18.00000 106.00000 29.80000
## 533 1 86.0000 66.00000 52.00000 65.00000 41.30000
## 536 4 132.0000 69.10547 20.53646 79.79948 32.90000
## 537 0 105.0000 90.00000 20.53646 79.79948 29.60000
## 544 4 84.0000 90.00000 23.00000 56.00000 39.50000
## 546 8 186.0000 90.00000 35.00000 225.00000 34.50000
## 553 6 114.0000 88.00000 20.53646 79.79948 27.80000
## 555 1 84.0000 64.00000 23.00000 115.00000 36.90000
## 557 1 97.0000 70.00000 40.00000 79.79948 38.10000
## 558 8 110.0000 76.00000 20.53646 79.79948 27.80000
## 568 6 92.0000 62.00000 32.00000 126.00000 32.00000
## 571 3 78.0000 70.00000 20.53646 79.79948 32.50000
## 579 10 133.0000 68.00000 20.53646 79.79948 27.00000
## 583 12 121.0000 78.00000 17.00000 79.79948 26.50000
## 589 3 176.0000 86.00000 27.00000 156.00000 33.30000
## 591 11 111.0000 84.00000 40.00000 79.79948 46.80000
## 593 3 132.0000 80.00000 20.53646 79.79948 34.40000
## 594 2 82.0000 52.00000 22.00000 115.00000 28.50000
## 599 1 173.0000 74.00000 20.53646 79.79948 36.80000
## 606 1 124.0000 60.00000 32.00000 79.79948 35.80000
## 607 1 181.0000 78.00000 42.00000 293.00000 40.00000
## 616 3 106.0000 72.00000 20.53646 79.79948 25.80000
## 617 6 117.0000 96.00000 20.53646 79.79948 28.70000
## 622 2 92.0000 76.00000 20.00000 79.79948 24.20000
## 625 2 108.0000 64.00000 20.53646 79.79948 30.80000
## 626 4 90.0000 88.00000 47.00000 54.00000 37.70000
## 630 4 94.0000 65.00000 22.00000 79.79948 24.70000
## 631 7 114.0000 64.00000 20.53646 79.79948 27.40000
## 636 13 104.0000 72.00000 20.53646 79.79948 31.20000
## 640 1 100.0000 74.00000 12.00000 46.00000 19.50000
## 656 2 155.0000 52.00000 27.00000 540.00000 38.70000
## 659 11 127.0000 106.00000 20.53646 79.79948 39.00000
## 660 3 80.0000 82.00000 31.00000 70.00000 34.20000
## 662 1 199.0000 76.00000 43.00000 79.79948 42.90000
## 664 9 145.0000 80.00000 46.00000 130.00000 37.90000
## 668 10 111.0000 70.00000 27.00000 79.79948 27.50000
## 669 6 98.0000 58.00000 33.00000 190.00000 34.00000
## 671 6 165.0000 68.00000 26.00000 168.00000 33.60000
## 673 10 68.0000 106.00000 23.00000 49.00000 35.50000
## 674 3 123.0000 100.00000 35.00000 240.00000 57.30000
## 681 2 56.0000 56.00000 28.00000 45.00000 24.20000
## 691 8 107.0000 80.00000 20.53646 79.79948 24.60000
## 694 7 129.0000 68.00000 49.00000 125.00000 38.50000
## 700 4 118.0000 70.00000 20.53646 79.79948 44.50000
## 702 6 125.0000 78.00000 31.00000 79.79948 27.60000
## 707 10 115.0000 69.10547 20.53646 79.79948 31.99258
## 709 9 164.0000 78.00000 20.53646 79.79948 32.80000
## 717 3 173.0000 78.00000 39.00000 185.00000 33.80000
## 724 5 117.0000 86.00000 30.00000 105.00000 39.10000
## 732 8 120.0000 86.00000 20.53646 79.79948 28.40000
## 734 2 106.0000 56.00000 27.00000 165.00000 29.00000
## 737 0 126.0000 86.00000 27.00000 120.00000 27.40000
## 739 2 99.0000 60.00000 17.00000 160.00000 36.60000
## 741 11 120.0000 80.00000 37.00000 150.00000 42.30000
## 744 9 140.0000 94.00000 20.53646 79.79948 32.70000
## 746 12 100.0000 84.00000 33.00000 105.00000 30.00000
## 748 1 81.0000 74.00000 41.00000 57.00000 46.30000
## 749 3 187.0000 70.00000 22.00000 200.00000 36.40000
## 760 6 190.0000 92.00000 20.53646 79.79948 35.50000
## 761 2 88.0000 58.00000 26.00000 16.00000 28.40000
## 767 1 126.0000 60.00000 20.53646 79.79948 30.10000
## DiabetesPedigreeFunction Age Outcome prediction diabetic
## 5 2.288 33 1 0.85719517 1
## 6 0.201 30 0 0.13061672 0
## 7 0.248 26 1 0.04601500 0
## 8 0.134 29 0 0.34207394 0
## 9 0.158 53 1 0.80794438 1
## 16 0.484 32 1 0.16970308 0
## 24 0.263 29 1 0.26251099 0
## 26 0.205 41 1 0.40321451 0
## 27 0.257 43 1 0.70323509 1
## 37 0.420 35 0 0.61293623 1
## 44 0.721 54 1 0.95490048 1
## 46 1.893 25 1 0.93952518 1
## 47 0.564 29 0 0.35934567 0
## 48 0.586 22 0 0.03242974 0
## 52 0.526 26 0 0.06059761 0
## 56 0.248 21 0 0.01500535 0
## 62 0.270 39 1 0.46566542 0
## 65 0.258 42 1 0.29004966 0
## 69 0.334 25 0 0.02817815 0
## 72 0.411 26 0 0.33457307 0
## 73 0.583 42 1 0.79797071 1
## 78 0.370 27 0 0.18065659 0
## 81 0.140 22 0 0.06453563 0
## 82 0.102 22 0 0.03238955 0
## 89 0.153 43 1 0.73640961 1
## 92 0.443 34 0 0.28528376 0
## 93 0.261 42 0 0.29044033 0
## 96 0.255 40 0 0.53274171 1
## 99 0.356 23 0 0.08949281 0
## 109 0.336 25 0 0.07536539 0
## 111 0.199 24 1 0.60264601 1
## 114 0.391 25 0 0.06748067 0
## 115 0.588 39 1 0.69285817 1
## 117 0.220 38 1 0.32130555 0
## 119 0.443 22 0 0.08569554 0
## 129 0.403 40 1 0.23518654 0
## 130 0.741 62 1 0.16717659 0
## 134 0.457 39 0 0.22088021 0
## 137 0.597 21 0 0.08803470 0
## 139 0.703 29 0 0.26168570 0
## 144 0.272 42 1 0.30742018 0
## 148 1.400 34 0 0.27258620 0
## 153 1.189 42 1 0.85943807 1
## 158 0.833 23 0 0.10582228 0
## 167 0.256 22 0 0.38819403 0
## 172 0.542 29 1 0.49683852 0
## 173 0.773 25 0 0.07416315 0
## 180 0.956 37 1 0.63767910 1
## 193 0.383 36 1 0.62965576 1
## 196 0.395 29 1 0.71998444 1
## 197 0.187 21 0 0.04814406 0
## 200 0.150 29 1 0.38486851 0
## 202 0.236 28 0 0.42533134 0
## 217 0.514 25 1 0.25518003 0
## 220 0.261 41 1 0.31691235 0
## 225 0.666 26 0 0.06307902 0
## 226 0.101 22 0 0.05640702 0
## 232 0.238 46 1 0.71090656 1
## 244 1.318 33 1 0.38417796 0
## 246 1.213 49 1 0.92982545 1
## 253 0.249 24 0 0.03555358 0
## 261 0.299 34 0 0.76564522 1
## 264 0.200 63 0 0.48401536 0
## 266 0.997 43 0 0.27206057 0
## 267 0.933 25 1 0.46661510 0
## 268 1.101 24 0 0.54345965 1
## 279 0.744 57 0 0.25248646 0
## 282 0.280 39 0 0.54881649 1
## 283 0.262 37 0 0.41916200 0
## 287 0.619 34 0 0.74383897 1
## 288 0.808 29 1 0.50788226 1
## 289 0.340 26 0 0.04469289 0
## 290 0.263 33 0 0.23436730 0
## 292 0.757 25 1 0.20079376 0
## 299 0.412 46 1 0.46948807 0
## 300 0.840 58 0 0.30079077 0
## 301 0.839 30 1 0.63627702 1
## 304 0.209 28 1 0.58976704 1
## 311 0.313 41 0 0.06036090 0
## 312 0.605 22 0 0.20283320 0
## 314 0.626 25 0 0.17192017 0
## 315 1.127 43 1 0.50241484 1
## 317 0.284 30 0 0.04010447 0
## 322 0.197 25 1 0.13865500 0
## 327 0.692 30 1 0.30064607 0
## 329 0.127 23 1 0.23018901 0
## 342 0.673 36 0 0.07495790 0
## 348 0.187 23 0 0.08217282 0
## 354 0.580 24 0 0.05403518 0
## 355 0.559 21 0 0.19761017 0
## 359 0.378 48 0 0.29443573 0
## 368 0.252 21 0 0.03065092 0
## 369 0.306 22 0 0.03794566 0
## 372 1.731 21 0 0.36762517 0
## 373 0.545 21 0 0.07349497 0
## 377 0.299 22 0 0.04129580 0
## 384 1.268 25 0 0.08409164 0
## 385 0.221 25 0 0.10233940 0
## 386 0.205 24 0 0.06995685 0
## 387 0.660 35 1 0.30571110 0
## 392 0.340 27 1 0.84326757 1
## 398 0.196 22 1 0.21667093 0
## 404 0.280 38 0 0.08840119 0
## 412 0.528 25 0 0.18319589 0
## 416 0.258 22 1 0.67131578 1
## 418 0.554 37 1 0.63120469 1
## 419 0.624 27 0 0.02212999 0
## 436 0.205 29 1 0.47083337 0
## 437 0.244 41 0 0.71687506 1
## 443 0.230 24 0 0.19925928 0
## 446 2.420 25 1 0.99106842 1
## 447 0.658 28 0 0.07387147 0
## 448 0.330 26 0 0.09988290 0
## 453 0.381 25 0 0.11691638 0
## 455 0.498 24 0 0.17172284 0
## 458 0.364 24 0 0.07407445 0
## 462 0.416 26 0 0.01596772 0
## 472 0.170 22 0 0.23365018 0
## 473 0.259 22 0 0.21852165 0
## 483 0.306 28 0 0.05414573 0
## 487 0.536 21 0 0.48744647 0
## 490 0.551 67 0 0.89883114 1
## 492 0.292 42 0 0.09700689 0
## 496 0.304 66 0 0.68278843 1
## 500 0.839 39 0 0.65083231 1
## 503 0.727 41 1 0.54736989 1
## 506 0.263 38 0 0.12016219 0
## 507 0.314 35 1 0.72651391 1
## 516 0.268 28 1 0.52857214 1
## 520 0.582 60 0 0.27024217 0
## 521 0.187 25 0 0.01664996 0
## 531 0.717 22 0 0.21499460 0
## 533 0.917 29 0 0.19548540 0
## 536 0.302 23 1 0.30389143 0
## 537 0.197 46 0 0.09754891 0
## 544 0.159 25 0 0.11036952 0
## 546 0.423 37 1 0.88138162 1
## 553 0.247 66 0 0.25990463 0
## 555 0.471 28 0 0.09201987 0
## 557 0.218 30 0 0.12748886 0
## 558 0.237 58 0 0.24668123 0
## 568 0.085 46 0 0.12429218 0
## 571 0.270 39 0 0.06460600 0
## 579 0.245 36 0 0.37797755 0
## 583 0.259 62 0 0.42008507 0
## 589 1.154 52 1 0.87372836 1
## 591 0.925 45 1 0.78211344 1
## 593 0.402 44 1 0.40759241 0
## 594 1.699 25 0 0.13233311 0
## 599 0.088 38 1 0.66767052 1
## 606 0.514 21 0 0.26423179 0
## 607 1.258 22 1 0.88883510 1
## 616 0.207 27 0 0.07639225 0
## 617 0.157 30 0 0.17788152 0
## 622 1.698 28 0 0.13706692 0
## 625 0.158 21 0 0.09577371 0
## 626 0.362 29 0 0.14527394 0
## 630 0.148 21 0 0.04472663 0
## 631 0.732 34 1 0.26014154 0
## 636 0.465 38 1 0.34865767 0
## 640 0.149 28 0 0.02952560 0
## 656 0.240 25 1 0.56222378 1
## 659 0.190 51 0 0.64693637 1
## 660 1.292 27 1 0.15371818 0
## 662 1.394 22 1 0.95671849 1
## 664 0.637 40 1 0.76480111 1
## 668 0.141 40 1 0.21843520 0
## 669 0.430 43 0 0.21466196 0
## 671 0.631 49 0 0.79444827 1
## 673 0.285 47 0 0.13146301 0
## 674 0.880 22 0 0.79154851 1
## 681 0.332 22 0 0.01108703 0
## 691 0.856 34 0 0.21202296 0
## 694 0.439 43 1 0.57690681 1
## 700 0.904 26 0 0.56493278 1
## 702 0.565 49 1 0.34266992 0
## 707 0.261 30 1 0.30975124 0
## 709 0.148 45 1 0.74173621 1
## 717 0.970 31 1 0.79541612 1
## 724 0.251 42 0 0.38426341 0
## 732 0.259 22 1 0.21894298 0
## 734 0.426 22 0 0.09926927 0
## 737 0.515 21 0 0.14535764 0
## 739 0.453 21 0 0.14165383 0
## 741 0.785 48 1 0.75716444 1
## 744 0.734 45 1 0.67465897 1
## 746 0.488 46 0 0.30466871 0
## 748 1.096 32 0 0.27795820 0
## 749 0.408 36 1 0.83770986 1
## 760 0.278 66 1 0.91358514 1
## 761 0.766 22 0 0.07002411 0
## 767 0.349 47 1 0.23739685 0Model Evaluation
Untuk mengevaluasi model yang telah kita buat, kita akan menggunakan confusion matrix.
# Hitung confusion matrix
conf_matrix_log<- confusionMatrix(data = diabetes_test$diabetic,
reference = diabetes_test$Outcome,
positive = "1")
# Menampilkan hasil confusion matrix
print(conf_matrix_log)## Confusion Matrix and Statistics
##
## Reference
## Prediction 0 1
## 0 103 34
## 1 14 41
##
## Accuracy : 0.75
## 95% CI : (0.6826, 0.8096)
## No Information Rate : 0.6094
## P-Value [Acc > NIR] : 2.776e-05
##
## Kappa : 0.4485
##
## Mcnemar's Test P-Value : 0.006099
##
## Sensitivity : 0.5467
## Specificity : 0.8803
## Pos Pred Value : 0.7455
## Neg Pred Value : 0.7518
## Prevalence : 0.3906
## Detection Rate : 0.2135
## Detection Prevalence : 0.2865
## Balanced Accuracy : 0.7135
##
## 'Positive' Class : 1
## - Re-call/Sensitivity = dari semua data aktual yang positif, seberapa mampu proporsi model saya menebak benar.
- Specificity = dari semua data aktual yang negatif, seberapa mampu proporsi model saya menebak yang benar.
- Accuracy = seberapa mampu model saya menebak dengan benar target Y.
- Precision = dari semua hasil prediksi, seberapa mampu model saya dapat menebak benar kelas positif.
# Metrik dari confusion matrix
accuracy <- conf_matrix_log$overall['Accuracy']
precision <- conf_matrix_log$byClass['Pos Pred Value']
recall <- conf_matrix_log$byClass['Sensitivity']
specificity <- conf_matrix_log$byClass['Specificity']
# Menampilkan hasil metrik
cat("Accuracy:", accuracy, "\n")## Accuracy: 0.75## Precision: 0.7454545## Recall: 0.5466667## Specificity: 0.8803419Model Tuning
Kita akan fokus pada poin False Negative, karena akan berbahaya jika pasien salah didiagnosis. Jadi kami akan fokus pada metrik Recall.
#Decreasing threshold value to 0.35
diabetes_test$diabetic_tunning <- ifelse(test = diabetes_test$prediction > 0.35,
yes = "1",
no = "0")
diabetes_test <- diabetes_test %>%
mutate(diabetic_tunning = as.factor(diabetic_tunning))
diabetes_test## Pregnancies Glucose BloodPressure SkinThickness Insulin BMI
## 5 0 137.0000 40.00000 35.00000 168.00000 43.10000
## 6 5 116.0000 74.00000 20.53646 79.79948 25.60000
## 7 3 78.0000 50.00000 32.00000 88.00000 31.00000
## 8 10 115.0000 69.10547 20.53646 79.79948 35.30000
## 9 2 197.0000 70.00000 45.00000 543.00000 30.50000
## 16 7 100.0000 69.10547 20.53646 79.79948 30.00000
## 24 9 119.0000 80.00000 35.00000 79.79948 29.00000
## 26 10 125.0000 70.00000 26.00000 115.00000 31.10000
## 27 7 147.0000 76.00000 20.53646 79.79948 39.40000
## 37 11 138.0000 76.00000 20.53646 79.79948 33.20000
## 44 9 171.0000 110.00000 24.00000 240.00000 45.40000
## 46 0 180.0000 66.00000 39.00000 79.79948 42.00000
## 47 1 146.0000 56.00000 20.53646 79.79948 29.70000
## 48 2 71.0000 70.00000 27.00000 79.79948 28.00000
## 52 1 101.0000 50.00000 15.00000 36.00000 24.20000
## 56 1 73.0000 50.00000 10.00000 79.79948 23.00000
## 62 8 133.0000 72.00000 20.53646 79.79948 32.90000
## 65 7 114.0000 66.00000 20.53646 79.79948 32.80000
## 69 1 95.0000 66.00000 13.00000 38.00000 19.60000
## 72 5 139.0000 64.00000 35.00000 140.00000 28.60000
## 73 13 126.0000 90.00000 20.53646 79.79948 43.40000
## 78 5 95.0000 72.00000 33.00000 79.79948 37.70000
## 81 3 113.0000 44.00000 13.00000 79.79948 22.40000
## 82 2 74.0000 69.10547 20.53646 79.79948 31.99258
## 89 15 136.0000 70.00000 32.00000 110.00000 37.10000
## 92 4 123.0000 80.00000 15.00000 176.00000 32.00000
## 93 7 81.0000 78.00000 40.00000 48.00000 46.70000
## 96 6 144.0000 72.00000 27.00000 228.00000 33.90000
## 99 6 93.0000 50.00000 30.00000 64.00000 28.70000
## 109 3 83.0000 58.00000 31.00000 18.00000 34.30000
## 111 3 171.0000 72.00000 33.00000 135.00000 33.30000
## 114 4 76.0000 62.00000 20.53646 79.79948 34.00000
## 115 7 160.0000 54.00000 32.00000 175.00000 30.50000
## 117 5 124.0000 74.00000 20.53646 79.79948 34.00000
## 119 4 97.0000 60.00000 23.00000 79.79948 28.20000
## 129 1 117.0000 88.00000 24.00000 145.00000 34.50000
## 130 0 105.0000 84.00000 20.53646 79.79948 27.90000
## 134 8 84.0000 74.00000 31.00000 79.79948 38.30000
## 137 0 100.0000 70.00000 26.00000 50.00000 30.80000
## 139 0 129.0000 80.00000 20.53646 79.79948 31.20000
## 144 10 108.0000 66.00000 20.53646 79.79948 32.40000
## 148 2 106.0000 64.00000 35.00000 119.00000 30.50000
## 153 9 156.0000 86.00000 28.00000 155.00000 34.30000
## 158 1 109.0000 56.00000 21.00000 135.00000 25.20000
## 167 3 148.0000 66.00000 25.00000 79.79948 32.50000
## 172 6 134.0000 70.00000 23.00000 130.00000 35.40000
## 173 2 87.0000 69.10547 23.00000 79.79948 28.90000
## 180 5 130.0000 82.00000 20.53646 79.79948 39.10000
## 193 7 159.0000 66.00000 20.53646 79.79948 30.40000
## 196 5 158.0000 84.00000 41.00000 210.00000 39.40000
## 197 1 105.0000 58.00000 20.53646 79.79948 24.30000
## 200 4 148.0000 60.00000 27.00000 318.00000 30.90000
## 202 1 138.0000 82.00000 20.53646 79.79948 40.10000
## 217 5 109.0000 62.00000 41.00000 129.00000 35.80000
## 220 5 112.0000 66.00000 20.53646 79.79948 37.80000
## 225 1 100.0000 66.00000 15.00000 56.00000 23.60000
## 226 1 87.0000 78.00000 27.00000 32.00000 34.60000
## 232 6 134.0000 80.00000 37.00000 370.00000 46.20000
## 244 6 119.0000 50.00000 22.00000 176.00000 27.10000
## 246 9 184.0000 85.00000 15.00000 79.79948 30.00000
## 253 2 90.0000 80.00000 14.00000 55.00000 24.40000
## 261 3 191.0000 68.00000 15.00000 130.00000 30.90000
## 264 3 142.0000 80.00000 15.00000 79.79948 32.40000
## 266 5 96.0000 74.00000 18.00000 67.00000 33.60000
## 267 0 138.0000 69.10547 20.53646 79.79948 36.30000
## 268 2 128.0000 64.00000 42.00000 79.79948 40.00000
## 279 5 114.0000 74.00000 20.53646 79.79948 24.90000
## 282 10 129.0000 76.00000 28.00000 122.00000 35.90000
## 283 7 133.0000 88.00000 15.00000 155.00000 32.40000
## 287 5 155.0000 84.00000 44.00000 545.00000 38.70000
## 288 1 119.0000 86.00000 39.00000 220.00000 45.60000
## 289 4 96.0000 56.00000 17.00000 49.00000 20.80000
## 290 5 108.0000 72.00000 43.00000 75.00000 36.10000
## 292 0 107.0000 62.00000 30.00000 74.00000 36.60000
## 299 14 100.0000 78.00000 25.00000 184.00000 36.60000
## 300 8 112.0000 72.00000 20.53646 79.79948 23.60000
## 301 0 167.0000 69.10547 20.53646 79.79948 32.30000
## 304 5 115.0000 98.00000 20.53646 79.79948 52.90000
## 311 6 80.0000 66.00000 30.00000 79.79948 26.20000
## 312 0 106.0000 70.00000 37.00000 148.00000 39.40000
## 314 3 113.0000 50.00000 10.00000 85.00000 29.50000
## 315 7 109.0000 80.00000 31.00000 79.79948 35.90000
## 317 3 99.0000 80.00000 11.00000 64.00000 19.30000
## 322 3 112.0000 74.00000 30.00000 79.79948 31.60000
## 327 1 122.0000 64.00000 32.00000 156.00000 35.10000
## 329 2 102.0000 86.00000 36.00000 120.00000 45.50000
## 342 1 95.0000 74.00000 21.00000 73.00000 25.90000
## 348 3 116.0000 69.10547 20.53646 79.79948 23.50000
## 354 1 90.0000 62.00000 12.00000 43.00000 27.20000
## 355 3 90.0000 78.00000 20.53646 79.79948 42.70000
## 359 12 88.0000 74.00000 40.00000 54.00000 35.30000
## 368 0 101.0000 64.00000 17.00000 79.79948 21.00000
## 369 3 81.0000 86.00000 16.00000 66.00000 27.50000
## 372 0 118.0000 64.00000 23.00000 89.00000 31.99258
## 373 0 84.0000 64.00000 22.00000 66.00000 35.80000
## 377 0 98.0000 82.00000 15.00000 84.00000 25.20000
## 384 1 90.0000 62.00000 18.00000 59.00000 25.10000
## 385 1 125.0000 70.00000 24.00000 110.00000 24.30000
## 386 1 119.0000 54.00000 13.00000 50.00000 22.30000
## 387 5 116.0000 74.00000 29.00000 79.79948 32.30000
## 392 5 166.0000 76.00000 20.53646 79.79948 45.70000
## 398 0 131.0000 66.00000 40.00000 79.79948 34.30000
## 404 9 72.0000 78.00000 25.00000 79.79948 31.60000
## 412 1 112.0000 72.00000 30.00000 176.00000 34.40000
## 416 3 173.0000 84.00000 33.00000 474.00000 35.70000
## 418 4 144.0000 82.00000 32.00000 79.79948 38.50000
## 419 1 83.0000 68.00000 20.53646 79.79948 18.20000
## 436 0 141.0000 69.10547 20.53646 79.79948 42.40000
## 437 12 140.0000 85.00000 33.00000 79.79948 37.40000
## 443 4 117.0000 64.00000 27.00000 120.00000 33.20000
## 446 0 180.0000 78.00000 63.00000 14.00000 59.40000
## 447 1 100.0000 72.00000 12.00000 70.00000 25.30000
## 448 0 95.0000 80.00000 45.00000 92.00000 36.50000
## 453 0 91.0000 68.00000 32.00000 210.00000 39.90000
## 455 2 100.0000 54.00000 28.00000 105.00000 37.80000
## 458 5 86.0000 68.00000 28.00000 71.00000 30.20000
## 462 1 71.0000 62.00000 20.53646 79.79948 21.80000
## 472 0 137.0000 70.00000 38.00000 79.79948 33.20000
## 473 0 119.0000 66.00000 27.00000 79.79948 38.80000
## 483 4 85.0000 58.00000 22.00000 49.00000 27.80000
## 487 1 139.0000 62.00000 41.00000 480.00000 40.70000
## 490 8 194.0000 80.00000 20.53646 79.79948 26.10000
## 492 2 89.0000 90.00000 30.00000 79.79948 33.50000
## 496 6 166.0000 74.00000 20.53646 79.79948 26.60000
## 500 6 154.0000 74.00000 32.00000 193.00000 29.30000
## 503 6 120.8945 68.00000 41.00000 79.79948 39.00000
## 506 10 75.0000 82.00000 20.53646 79.79948 33.30000
## 507 0 180.0000 90.00000 26.00000 90.00000 36.50000
## 516 3 163.0000 70.00000 18.00000 105.00000 31.60000
## 520 6 129.0000 90.00000 7.00000 326.00000 19.60000
## 521 2 68.0000 70.00000 32.00000 66.00000 25.00000
## 531 2 122.0000 60.00000 18.00000 106.00000 29.80000
## 533 1 86.0000 66.00000 52.00000 65.00000 41.30000
## 536 4 132.0000 69.10547 20.53646 79.79948 32.90000
## 537 0 105.0000 90.00000 20.53646 79.79948 29.60000
## 544 4 84.0000 90.00000 23.00000 56.00000 39.50000
## 546 8 186.0000 90.00000 35.00000 225.00000 34.50000
## 553 6 114.0000 88.00000 20.53646 79.79948 27.80000
## 555 1 84.0000 64.00000 23.00000 115.00000 36.90000
## 557 1 97.0000 70.00000 40.00000 79.79948 38.10000
## 558 8 110.0000 76.00000 20.53646 79.79948 27.80000
## 568 6 92.0000 62.00000 32.00000 126.00000 32.00000
## 571 3 78.0000 70.00000 20.53646 79.79948 32.50000
## 579 10 133.0000 68.00000 20.53646 79.79948 27.00000
## 583 12 121.0000 78.00000 17.00000 79.79948 26.50000
## 589 3 176.0000 86.00000 27.00000 156.00000 33.30000
## 591 11 111.0000 84.00000 40.00000 79.79948 46.80000
## 593 3 132.0000 80.00000 20.53646 79.79948 34.40000
## 594 2 82.0000 52.00000 22.00000 115.00000 28.50000
## 599 1 173.0000 74.00000 20.53646 79.79948 36.80000
## 606 1 124.0000 60.00000 32.00000 79.79948 35.80000
## 607 1 181.0000 78.00000 42.00000 293.00000 40.00000
## 616 3 106.0000 72.00000 20.53646 79.79948 25.80000
## 617 6 117.0000 96.00000 20.53646 79.79948 28.70000
## 622 2 92.0000 76.00000 20.00000 79.79948 24.20000
## 625 2 108.0000 64.00000 20.53646 79.79948 30.80000
## 626 4 90.0000 88.00000 47.00000 54.00000 37.70000
## 630 4 94.0000 65.00000 22.00000 79.79948 24.70000
## 631 7 114.0000 64.00000 20.53646 79.79948 27.40000
## 636 13 104.0000 72.00000 20.53646 79.79948 31.20000
## 640 1 100.0000 74.00000 12.00000 46.00000 19.50000
## 656 2 155.0000 52.00000 27.00000 540.00000 38.70000
## 659 11 127.0000 106.00000 20.53646 79.79948 39.00000
## 660 3 80.0000 82.00000 31.00000 70.00000 34.20000
## 662 1 199.0000 76.00000 43.00000 79.79948 42.90000
## 664 9 145.0000 80.00000 46.00000 130.00000 37.90000
## 668 10 111.0000 70.00000 27.00000 79.79948 27.50000
## 669 6 98.0000 58.00000 33.00000 190.00000 34.00000
## 671 6 165.0000 68.00000 26.00000 168.00000 33.60000
## 673 10 68.0000 106.00000 23.00000 49.00000 35.50000
## 674 3 123.0000 100.00000 35.00000 240.00000 57.30000
## 681 2 56.0000 56.00000 28.00000 45.00000 24.20000
## 691 8 107.0000 80.00000 20.53646 79.79948 24.60000
## 694 7 129.0000 68.00000 49.00000 125.00000 38.50000
## 700 4 118.0000 70.00000 20.53646 79.79948 44.50000
## 702 6 125.0000 78.00000 31.00000 79.79948 27.60000
## 707 10 115.0000 69.10547 20.53646 79.79948 31.99258
## 709 9 164.0000 78.00000 20.53646 79.79948 32.80000
## 717 3 173.0000 78.00000 39.00000 185.00000 33.80000
## 724 5 117.0000 86.00000 30.00000 105.00000 39.10000
## 732 8 120.0000 86.00000 20.53646 79.79948 28.40000
## 734 2 106.0000 56.00000 27.00000 165.00000 29.00000
## 737 0 126.0000 86.00000 27.00000 120.00000 27.40000
## 739 2 99.0000 60.00000 17.00000 160.00000 36.60000
## 741 11 120.0000 80.00000 37.00000 150.00000 42.30000
## 744 9 140.0000 94.00000 20.53646 79.79948 32.70000
## 746 12 100.0000 84.00000 33.00000 105.00000 30.00000
## 748 1 81.0000 74.00000 41.00000 57.00000 46.30000
## 749 3 187.0000 70.00000 22.00000 200.00000 36.40000
## 760 6 190.0000 92.00000 20.53646 79.79948 35.50000
## 761 2 88.0000 58.00000 26.00000 16.00000 28.40000
## 767 1 126.0000 60.00000 20.53646 79.79948 30.10000
## DiabetesPedigreeFunction Age Outcome prediction diabetic diabetic_tunning
## 5 2.288 33 1 0.85719517 1 1
## 6 0.201 30 0 0.13061672 0 0
## 7 0.248 26 1 0.04601500 0 0
## 8 0.134 29 0 0.34207394 0 0
## 9 0.158 53 1 0.80794438 1 1
## 16 0.484 32 1 0.16970308 0 0
## 24 0.263 29 1 0.26251099 0 0
## 26 0.205 41 1 0.40321451 0 1
## 27 0.257 43 1 0.70323509 1 1
## 37 0.420 35 0 0.61293623 1 1
## 44 0.721 54 1 0.95490048 1 1
## 46 1.893 25 1 0.93952518 1 1
## 47 0.564 29 0 0.35934567 0 1
## 48 0.586 22 0 0.03242974 0 0
## 52 0.526 26 0 0.06059761 0 0
## 56 0.248 21 0 0.01500535 0 0
## 62 0.270 39 1 0.46566542 0 1
## 65 0.258 42 1 0.29004966 0 0
## 69 0.334 25 0 0.02817815 0 0
## 72 0.411 26 0 0.33457307 0 0
## 73 0.583 42 1 0.79797071 1 1
## 78 0.370 27 0 0.18065659 0 0
## 81 0.140 22 0 0.06453563 0 0
## 82 0.102 22 0 0.03238955 0 0
## 89 0.153 43 1 0.73640961 1 1
## 92 0.443 34 0 0.28528376 0 0
## 93 0.261 42 0 0.29044033 0 0
## 96 0.255 40 0 0.53274171 1 1
## 99 0.356 23 0 0.08949281 0 0
## 109 0.336 25 0 0.07536539 0 0
## 111 0.199 24 1 0.60264601 1 1
## 114 0.391 25 0 0.06748067 0 0
## 115 0.588 39 1 0.69285817 1 1
## 117 0.220 38 1 0.32130555 0 0
## 119 0.443 22 0 0.08569554 0 0
## 129 0.403 40 1 0.23518654 0 0
## 130 0.741 62 1 0.16717659 0 0
## 134 0.457 39 0 0.22088021 0 0
## 137 0.597 21 0 0.08803470 0 0
## 139 0.703 29 0 0.26168570 0 0
## 144 0.272 42 1 0.30742018 0 0
## 148 1.400 34 0 0.27258620 0 0
## 153 1.189 42 1 0.85943807 1 1
## 158 0.833 23 0 0.10582228 0 0
## 167 0.256 22 0 0.38819403 0 1
## 172 0.542 29 1 0.49683852 0 1
## 173 0.773 25 0 0.07416315 0 0
## 180 0.956 37 1 0.63767910 1 1
## 193 0.383 36 1 0.62965576 1 1
## 196 0.395 29 1 0.71998444 1 1
## 197 0.187 21 0 0.04814406 0 0
## 200 0.150 29 1 0.38486851 0 1
## 202 0.236 28 0 0.42533134 0 1
## 217 0.514 25 1 0.25518003 0 0
## 220 0.261 41 1 0.31691235 0 0
## 225 0.666 26 0 0.06307902 0 0
## 226 0.101 22 0 0.05640702 0 0
## 232 0.238 46 1 0.71090656 1 1
## 244 1.318 33 1 0.38417796 0 1
## 246 1.213 49 1 0.92982545 1 1
## 253 0.249 24 0 0.03555358 0 0
## 261 0.299 34 0 0.76564522 1 1
## 264 0.200 63 0 0.48401536 0 1
## 266 0.997 43 0 0.27206057 0 0
## 267 0.933 25 1 0.46661510 0 1
## 268 1.101 24 0 0.54345965 1 1
## 279 0.744 57 0 0.25248646 0 0
## 282 0.280 39 0 0.54881649 1 1
## 283 0.262 37 0 0.41916200 0 1
## 287 0.619 34 0 0.74383897 1 1
## 288 0.808 29 1 0.50788226 1 1
## 289 0.340 26 0 0.04469289 0 0
## 290 0.263 33 0 0.23436730 0 0
## 292 0.757 25 1 0.20079376 0 0
## 299 0.412 46 1 0.46948807 0 1
## 300 0.840 58 0 0.30079077 0 0
## 301 0.839 30 1 0.63627702 1 1
## 304 0.209 28 1 0.58976704 1 1
## 311 0.313 41 0 0.06036090 0 0
## 312 0.605 22 0 0.20283320 0 0
## 314 0.626 25 0 0.17192017 0 0
## 315 1.127 43 1 0.50241484 1 1
## 317 0.284 30 0 0.04010447 0 0
## 322 0.197 25 1 0.13865500 0 0
## 327 0.692 30 1 0.30064607 0 0
## 329 0.127 23 1 0.23018901 0 0
## 342 0.673 36 0 0.07495790 0 0
## 348 0.187 23 0 0.08217282 0 0
## 354 0.580 24 0 0.05403518 0 0
## 355 0.559 21 0 0.19761017 0 0
## 359 0.378 48 0 0.29443573 0 0
## 368 0.252 21 0 0.03065092 0 0
## 369 0.306 22 0 0.03794566 0 0
## 372 1.731 21 0 0.36762517 0 1
## 373 0.545 21 0 0.07349497 0 0
## 377 0.299 22 0 0.04129580 0 0
## 384 1.268 25 0 0.08409164 0 0
## 385 0.221 25 0 0.10233940 0 0
## 386 0.205 24 0 0.06995685 0 0
## 387 0.660 35 1 0.30571110 0 0
## 392 0.340 27 1 0.84326757 1 1
## 398 0.196 22 1 0.21667093 0 0
## 404 0.280 38 0 0.08840119 0 0
## 412 0.528 25 0 0.18319589 0 0
## 416 0.258 22 1 0.67131578 1 1
## 418 0.554 37 1 0.63120469 1 1
## 419 0.624 27 0 0.02212999 0 0
## 436 0.205 29 1 0.47083337 0 1
## 437 0.244 41 0 0.71687506 1 1
## 443 0.230 24 0 0.19925928 0 0
## 446 2.420 25 1 0.99106842 1 1
## 447 0.658 28 0 0.07387147 0 0
## 448 0.330 26 0 0.09988290 0 0
## 453 0.381 25 0 0.11691638 0 0
## 455 0.498 24 0 0.17172284 0 0
## 458 0.364 24 0 0.07407445 0 0
## 462 0.416 26 0 0.01596772 0 0
## 472 0.170 22 0 0.23365018 0 0
## 473 0.259 22 0 0.21852165 0 0
## 483 0.306 28 0 0.05414573 0 0
## 487 0.536 21 0 0.48744647 0 1
## 490 0.551 67 0 0.89883114 1 1
## 492 0.292 42 0 0.09700689 0 0
## 496 0.304 66 0 0.68278843 1 1
## 500 0.839 39 0 0.65083231 1 1
## 503 0.727 41 1 0.54736989 1 1
## 506 0.263 38 0 0.12016219 0 0
## 507 0.314 35 1 0.72651391 1 1
## 516 0.268 28 1 0.52857214 1 1
## 520 0.582 60 0 0.27024217 0 0
## 521 0.187 25 0 0.01664996 0 0
## 531 0.717 22 0 0.21499460 0 0
## 533 0.917 29 0 0.19548540 0 0
## 536 0.302 23 1 0.30389143 0 0
## 537 0.197 46 0 0.09754891 0 0
## 544 0.159 25 0 0.11036952 0 0
## 546 0.423 37 1 0.88138162 1 1
## 553 0.247 66 0 0.25990463 0 0
## 555 0.471 28 0 0.09201987 0 0
## 557 0.218 30 0 0.12748886 0 0
## 558 0.237 58 0 0.24668123 0 0
## 568 0.085 46 0 0.12429218 0 0
## 571 0.270 39 0 0.06460600 0 0
## 579 0.245 36 0 0.37797755 0 1
## 583 0.259 62 0 0.42008507 0 1
## 589 1.154 52 1 0.87372836 1 1
## 591 0.925 45 1 0.78211344 1 1
## 593 0.402 44 1 0.40759241 0 1
## 594 1.699 25 0 0.13233311 0 0
## 599 0.088 38 1 0.66767052 1 1
## 606 0.514 21 0 0.26423179 0 0
## 607 1.258 22 1 0.88883510 1 1
## 616 0.207 27 0 0.07639225 0 0
## 617 0.157 30 0 0.17788152 0 0
## 622 1.698 28 0 0.13706692 0 0
## 625 0.158 21 0 0.09577371 0 0
## 626 0.362 29 0 0.14527394 0 0
## 630 0.148 21 0 0.04472663 0 0
## 631 0.732 34 1 0.26014154 0 0
## 636 0.465 38 1 0.34865767 0 0
## 640 0.149 28 0 0.02952560 0 0
## 656 0.240 25 1 0.56222378 1 1
## 659 0.190 51 0 0.64693637 1 1
## 660 1.292 27 1 0.15371818 0 0
## 662 1.394 22 1 0.95671849 1 1
## 664 0.637 40 1 0.76480111 1 1
## 668 0.141 40 1 0.21843520 0 0
## 669 0.430 43 0 0.21466196 0 0
## 671 0.631 49 0 0.79444827 1 1
## 673 0.285 47 0 0.13146301 0 0
## 674 0.880 22 0 0.79154851 1 1
## 681 0.332 22 0 0.01108703 0 0
## 691 0.856 34 0 0.21202296 0 0
## 694 0.439 43 1 0.57690681 1 1
## 700 0.904 26 0 0.56493278 1 1
## 702 0.565 49 1 0.34266992 0 0
## 707 0.261 30 1 0.30975124 0 0
## 709 0.148 45 1 0.74173621 1 1
## 717 0.970 31 1 0.79541612 1 1
## 724 0.251 42 0 0.38426341 0 1
## 732 0.259 22 1 0.21894298 0 0
## 734 0.426 22 0 0.09926927 0 0
## 737 0.515 21 0 0.14535764 0 0
## 739 0.453 21 0 0.14165383 0 0
## 741 0.785 48 1 0.75716444 1 1
## 744 0.734 45 1 0.67465897 1 1
## 746 0.488 46 0 0.30466871 0 0
## 748 1.096 32 0 0.27795820 0 0
## 749 0.408 36 1 0.83770986 1 1
## 760 0.278 66 1 0.91358514 1 1
## 761 0.766 22 0 0.07002411 0 0
## 767 0.349 47 1 0.23739685 0 0confusionMatrix(data = diabetes_test$diabetic_tunning,
reference = diabetes_test$Outcome,
positive = "1")## Confusion Matrix and Statistics
##
## Reference
## Prediction 0 1
## 0 93 25
## 1 24 50
##
## Accuracy : 0.7448
## 95% CI : (0.677, 0.8048)
## No Information Rate : 0.6094
## P-Value [Acc > NIR] : 5.376e-05
##
## Kappa : 0.4626
##
## Mcnemar's Test P-Value : 1
##
## Sensitivity : 0.6667
## Specificity : 0.7949
## Pos Pred Value : 0.6757
## Neg Pred Value : 0.7881
## Prevalence : 0.3906
## Detection Rate : 0.2604
## Detection Prevalence : 0.3854
## Balanced Accuracy : 0.7308
##
## 'Positive' Class : 1
## Metrik Recall pada model meningkat menjadi 76%. Disimpulkan bahwa model tersebut 76% akurat dalam memprediksi apakah seseorang menderita diabetes atau tidak, berdasarkan beberapa variabel medis yang digunakan untuk mendiagnosis diabetes.
7. K-Nearest Neighbour
Scalling
Membentuk data training dan data testing.
# Diabetes Train data predictor
diabetes_train_predictor <- diabetes_train %>%
select(-Outcome)
# Diabetes Train data target
diabetes_train_target <- diabetes_train %>%
pull(Outcome)# Diabetes Train data predictor
diabetes_test_predictor <- diabetes_test_knn %>%
select(-Outcome)
# Diabetes Train data target
diabetes_test_target <- diabetes_test_knn %>%
pull(Outcome)Prediction
## [1] 24diabetic_pred <- knn(train = diabetes_train_predictor_scale,
test = diabetes_test_predictor_scale,
cl = diabetes_train_target,
k = 24)Membuat confusion matriks dari prediski K-NN
conf_matrix_knn <- confusionMatrix(data = diabetic_pred,
reference = diabetes_test_target,
positive = "1")
# Menampilkan hasil confusion matrix
print(conf_matrix_knn)## Confusion Matrix and Statistics
##
## Reference
## Prediction 0 1
## 0 106 45
## 1 11 30
##
## Accuracy : 0.7083
## 95% CI : (0.6386, 0.7716)
## No Information Rate : 0.6094
## P-Value [Acc > NIR] : 0.002704
##
## Kappa : 0.3331
##
## Mcnemar's Test P-Value : 1.035e-05
##
## Sensitivity : 0.4000
## Specificity : 0.9060
## Pos Pred Value : 0.7317
## Neg Pred Value : 0.7020
## Prevalence : 0.3906
## Detection Rate : 0.1562
## Detection Prevalence : 0.2135
## Balanced Accuracy : 0.6530
##
## 'Positive' Class : 1
## Dengan K = 24, kami mendapatkan Akurasi sekitar 74%, dan Recall/Sensitivitas 51%.
8. Model Evaluation Logistic Regression and K-NN
eval_logit <- data_frame(Accuracy = eval_logit <- tibble::data_frame(
Accuracy = conf_matrix_log$overall[1],
Recall = conf_matrix_log$byClass[1],
Specificity = conf_matrix_log$byClass[2],
Precision = conf_matrix_log$byClass[3]
))## Warning: `data_frame()` was deprecated in tibble 1.1.0.
## ℹ Please use `tibble()` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.eval_knn <- tibble::data_frame(
Accuracy = conf_matrix_knn$overall[1],
Recall = conf_matrix_knn$byClass[1],
Specificity = conf_matrix_knn$byClass[2],
Precision = conf_matrix_knn$byClass[3]
)## # A tibble: 1 × 1
## Accuracy$Accuracy $Recall $Specificity $Precision
## <dbl> <dbl> <dbl> <dbl>
## 1 0.75 0.547 0.880 0.745## # A tibble: 1 × 4
## Accuracy Recall Specificity Precision
## <dbl> <dbl> <dbl> <dbl>
## 1 0.708 0.4 0.906 0.7329. Conclusion
Kedua model memiliki performa yang baik, dalam hal akurasi dari keduanya kami mendapatkan sekitar 76% dari model Regresi Logistik setelah beberapa penyetelan, sementara memiliki Recall/Sensitivitas sebesar 76%. Pada model K-NN dengan nilai K 24 diperoleh akurasi sebesar 74% dan Recall/Sensitivity sebesar 51%. Karena kami berfokus pada metrik Recall, disimpulkan bahwa model Regresi Logistik lebih baik digunakan di sini. Namun, model K-NN juga dapat ditingkatkan dengan melakukan oversampling, yang berarti lebih banyak data observasi, dan mungkin memerlukan lebih banyak waktu untuk melakukannya.