Avoiding Data Leakage in Machine Learning Models for Diabetes and Hypertension Classification Using Routine Occupational Health Screening Data
본 연구는 당뇨병 및 고혈압 분류를 위한 머신러닝 모델에 공복 혈당 및 혈압과 같이 결과값을 정의하는 예측 변수를 포함하는 것이 심각한 데이터 누수와 인위적으로 부풀려진 성능을 초래하는 반면, 이러한 변수들을 제외하고 일상적인 직업 건강 검진 데이터를 사용한 모델은 연령, BMI, 심리적 고통과 같은 요인들의 예측 가치를 강조하면서도 적절하지만 임상적으로 현실적인 정확도를 달성함을 보여준다.