K-MEANS ASOSIDA KLASTERLASH ORQALI IMBALANCED MA’LUMOTLAR TO‘PLAMINI BALANSLASH VA TIBBIY KLASSIFIKATSIYA UCHUN TAYYORLASH

Аннотация

Tibbiyotda amaliy mashinaviy o‘qitish modellarining samaradorligi ko‘pincha ma’lumotlar to‘plamining balansiga bog‘liq. Qandli diabetni erta aniqlash vazifasida ko‘plab ma’lumotlar to‘plamlari imbalanced ya’ni sinflararo nomutanosiblikka ega bo‘lib kam uchraydigan sinf prediabet to‘g‘ri klassifikatsiya qilinmaydi. Ushbu maqolada 0: sog‘lom 20 000, 1: prediabet 4604, 2: diabet 10 000 kabi sinflardan iborat imbalanced tibbiy ma’lumotlar to‘plami K-Means algoritmi yordamida klasterlash asosida balanslanib prediabet sinfi asos sifatida tanlanib har bir sinfdan 4604 ta namunani klasterlar bo‘yicha tanlash orqali yangi balansli ma’lumotlar to‘plami shakllantirildi. Yondashuv statistik vizual va amaliy jihatdan baholanib samaradorligi ko‘rsatildi. Kalit so‘zlar: imbalanced data, K-Means, ma’lumotlarni balanslash, HistGB, LightGBM, AutoGluon. 1. Kirish Mashinaviy o‘qitish tibbiyotda keng qo‘llanilayotgan yo‘nalishlardan biridir. Ayniqsa diabet va prediabetni erta bosqichda aniqlash xavf guruhiga kiruvchi bemorlarni skrining qilish orqali kasallikni oldini olish mumkin[1-2]. Biroq amaliy tibbiy ma’lumotlar to‘plamlari ko‘pincha imbalanced holatda bo‘ladi. Sog‘lom shaxslar soni ko‘p prediabet esa kam uchraydi. Bu nomutanosiblik mashinaviy o‘rganish algoritmlarida major sinfga yon bosish bias holatiga olib keladi va kam sonli ammo klinik ahamiyatli sinflar masalan prediabet noto‘g‘ri klassifikatsiya qilinadi. Bu esa F1-score va aniqlik kabi baholash mezonlarining www.tadqiqotlar.uz 21-to’plam 1-son Iyul 2025 370 Ta'limning zamonaviy transformatsiyasi pasayishiga olib keladi. Muammoni hal qilish uchun an’anaviy oversampling va undersampling usullari mavjud biroq ular ma’lumotlarning tuzilmasini buzadi yoki overfittingga olib keladi. Shu sabab ushbu tadqiqotda K-Means klasterlashga asoslangan balanslash yondashuvi taklif etiladi. Bu yondashuv har bir sinfni alohida klasterlarga ajratib har bir klasterdan teng namunalar tanlash orqali tuzilmani saqlagan holda balansli to‘plam hosil qiladi[3-4]. Eksperimental qismda sinflar soni 0: sog‘lom 20000, 1: prediabet 4604, 2: diabet 10000 bo‘lgan ma’lumotlar to‘plami ishlatilgan va har bir sinfdan 4604 ta namunaga tenglashtirilgan yangi ma’lumotlar to‘plami tayyorlangan. 2. Asosiy qism Ma’lumotlar to‘plamining umumiy tavsifi. Tahlil uchun ishlatilgan ma’lumotlar to‘plami quyidagi sinflarni o‘z ichiga oladi. Klass Turi Namuna soni 0 Sog‘lom 20,000 1 Prediabet 4,604 2 Diabet 10,000 Ko‘rinib turibdiki 1-sinf prediabet namunalari eng kam sonli bo‘lib ushbu sinfga nisbatan ML modellar sezgir emas. Shuning uchun prediabet sinfi asos sifatida tanlandi. K-Means asosidagi balanslash algoritmi. Yangi balanslangan to‘plam yaratish quyidagi bosqichlarda amalga oshirildi 1. Klasterlash Har bir sinf alohida holda K-Means yordamida K=10 ga ajratildi. Shunday qilib, 0, 1, va 2 sinflar har biri 10 ta klasterdan iborat guruhlarga ajratildi. 2. Klaster ichidan tanlash Har bir klaster ichidan teng miqdorda namunalar tanlab olindi. Prediabet sinfida har bir klasterdan taxminan 460 ta namunani tashkil qiladi (10×460 ≈ 4600). 3. Boshqa sinflarni balanslash www.tadqiqotlar.uz 21-to’plam 1-son Iyul 2025 371 Ta'limning zamonaviy transformatsiyasi Sog‘lom (0) va diabet (2) sinflaridan ham aynan har bir klasterdan 460 ta namunani tanlab olindi (10×460 = 4600). 4. Yakuniy balanslangan to‘plam. Quyidagi jadvalda balanslangan ma’lumotlar to‘plami hosil qilindi. Klass Namuna soni 0 4604 1 4604 2 4604 Bu yondashuv tuzilmani buzmasdan sinflar o‘rtasida tenglik yaratildi va sinflararo vakillikni ta’minladi[5-6]. Quyidagi rasmlardan ham ko‘rish mumkin. www.tadqiqotlar.uz 21-to’plam 1-son Iyul 2025 372 Ta'limning zamonaviy transformatsiyasi Exspriment natijalar Balanslashdan oldin ML modellardan LighGBM, HistGB va AutoGluon modellarida quyidagi natijalarga erishildi. Balanslashdan keyin esa quyidagi natijalar qayd etildi. Mo Auccar Precisio Re F1- del cy n call score Lig 0.9055 0.9154 0.9 0.904 hGBM 055 2 His 0.9055 0.9151 0.9 0.904 tGB 055 2 Aut 0.9066 0.9160 0.9 0.905 oGluon 066 3 Natijalar shuni ko‘rsatadiki K-Means asosida balanslangan to‘plam sezilarli darajada prediabet sinfining aniqligini oshirgan. Munozara K-Means asosidagi balanslash usuli quyidagi ustunliklarni ko‘rsatdi. Klasterlar o‘rtasida strukturani saqladi: bu modelning turli qiyofadagi namunalarni o‘rganishiga yordam berdi. Oversampling emas — ya’ni ma’lumotlar www.tadqiqotlar.uz 21-to’plam 1-son Iyul 2025 373 Ta'limning zamonaviy transformatsiyasi nusxalanmadi. Haqiqiy klasterlar ichidan tanlandi. Kam sinfning vakilligi oshdi, prediabet holatlarini aniqlash darajasi sezilarli yaxshilandi. Shu bilan birga bu yondashuv quyidagi cheklovlarga ega[7-8]. K-Means klaster soni K tanlash subyektivdir. Klasterlar notekis bo‘lsa kichik klasterdan tanlashda muammolar bo‘lishi mumkin. Kompyuter resurslari nisbatan ko‘proq talab qilinadi 10×3 klasterlarni ajratish. Shunga qaramay bu yondashuv tibbiy klassifikatsiyada amaliy jihatdan juda foydali bo‘lib, ayniqsa