Progetto sviluppato per il corso "Fondamenti di Visione Artificiale e Biometria" presso l'Università degli studi di Salerno per il corso di Laurea Magistrale in Informatica. L'obiettivo di questo lavoro è prevedere l'insorgenza del diabete e diagnosticare la causa, informando così lo sviluppo di strategie efficaci di prevenzione e controllo. Sono stati sviluppati modelli di rete bayesiana (BN) per esplorare le specifiche relazioni tra i fattori influenzanti e il diabete. È stata svolta un'analisi preliminare del dataset eseguendo feature extraction e selection attraverso l'uso di algoritmi di Random Forest e analisi di correlazione per identificare i predittori più rilevanti tra le numerose variabili disponibili. Successivamente, è stata addestrata e testata una Rete Bayesiana (BN) ed è stata valutata la sua performance predittiva tramite il calcolo di alcune metriche quali accuratezza, precisione, recall e F1-score. Il nostro modello ha dimostrato una grande capacità predittiva, ottenendo buoni punteggi su una serie di parametri, tra cui l'accuratezza (71%). I risultati possono essere utilizzati per adattare gli interventi medici, migliorare l'efficacia dei programmi di trattamento e implementare modifiche allo stile di vita per i pazienti che hanno un potenziale per sviluppare il diabete.

Tutti i dettagli sono riportati in "Bayesian_network_analysis_for_diabete_s_prediction.pdf".