🧠 Mental Health Risk Prediction with LightGBM

Bu proje, sentetik bir ruh sağlığı veri seti üzerinde LightGBM algoritması kullanılarak geliştirilmiş bir risk tahminleme çalışmasıdır. Projenin temel amacı, yaşam tarzı faktörleri ve aile geçmişi gibi değişkenlerin ruh sağlığı riskleri üzerindeki etkisini analiz etmektir.

🚀 Proje Özeti

• Algoritma: LightGBM (Light Gradient Boosting Machine)
• Veri Seti: Sentetik Ruh Sağlığı Risk Veri Seti (mental_health_risk_dataset.csv)
• Odak Noktası: Kategorik veri işleme, korelasyon analizi ve özellik önemi (Feature Importance).

🛠️ Yapılan İşlemler

1. Veri Ön İşleme: object tipindeki kategorik sütunlar, LightGBM'in yerel desteğinden faydalanmak için category tipine dönüştürüldü.
2. Keşifsel Veri Analizi (EDA): Değişkenler arasındaki ilişkiler korelasyon matrisi ile incelendi.
3. Modelleme: Veri seti eğitim ve test olarak ayrılarak LightGBM modeli eğitildi.
4. Değerlendirme: Model performansı için Confusion Matrix ve Classification Report oluşturuldu.

📊 Model Sonuçları

Sentetik veri yapısı nedeniyle model yüksek doğruluk oranlarına ulaşmıştır:

• Accuracy: %100
• F1-Score: 1.00

Özellik Önemi (Feature Importance)

Modelin karar verirken en çok ağırlık verdiği değişkenler:

1. Haftalık Fiziksel Aktivite Saatleri
2. Ailede Ruhsal Hastalık Geçmişi
3. Uyku Kalitesi