机构名称：
¥ 1.0
抽象心脏病发作是一种威胁生命的疾病，主要是由于冠状动脉疾病引起的，导致人类死亡。检测心脏病的风险是医学中最重要的问题之一，可以通过早期发现和适当的医疗管理来预防和治疗；它还可以帮助预测大量的医疗需求并减少治疗费用。通过机器学习（ML）算法预测心脏病的发生已成为医疗保健行业的重要工作。本研究旨在通过分析包括电子记录和医院诊所的临床诊断报告在内的各种数据来源来创建一个用于预测患者是否可能发展心脏病发作的系统。ML用作计算机从数据中学习的过程，以便对新数据集进行预测。为预测数据分析创建的算法通常用于商业目的。本文介绍了一个概述，以预测用于应用许多ML方法和技术的心脏病发作的可能性。为了改善医疗诊断，本文比较了各种算法，例如随机森林，回归模型，k-near最邻居插补（KNN），幼稚的贝叶斯算法等。发现随机森林算法在预测心脏病发作风险方面提供了88.52％的精度，这可能预示着诊断和治疗心血管疾病的革命。
使用机器学习算法的心脏病风险预测
主要关键词
相关文件推荐
