Elements/Criteria and marks

Comments

Mark

Part 1: Summary of features (10%)

Only the size of the dataset is given in the summary, you should have a description of the dataset and some summary tables  giving number of features of each type,    proportion of missing data etc.

3

Part 2: Data pre-processing Stages (25%)

Some features such as encounter_id and    hospital_id were correctly removed, but    so were gender and ethnicity which can be medically significant and so should have   been retained. It is difficult to understand what you are describing under 'Removal   of missing values..' — you appear to be     writing about removing features with        missing values but also write about            removing dupicated data. You need to be  more clear in your descriptions. In             particular you should state how many       features or samples have been removed at each stage of preprocessing. Class              balancing was performed on the whole      dataset, but it should only be applied to     the training data. The number of samples of each class (diabetic/non-diabetic) was    stated to be less than 200 by this point.      Assuming this is correct then something    has gone very wrong with the                      preprocessing/cleansing, but because the   submitted jupyter notebook was                 unopenable, I was unable to look at your   code.

6

Part 3: Supervised Model Training and Evaluation - (35%)

This section is very confusing. It presents results from a number of classifiers giving accuracies in the 80% range with a            discussion that does not always make        sense; then under model evaluation           presents the best classifier as having an     accuracy of 45%.

14