机构名称：
¥ 1.0
抽象的心脏病是世界上最公认和致命的疾病之一，许多人每年都会因这种疾病而失去生命。早期发现这种疾病对于存储人们的生命至关重要。机器学习（ML）是一种合成的智能技术，是发现疾病的最方便，最快，最低成本的方法之一。在此浏览中，我们旨在达到一种ML模型，该模型可以期望心脏病，并可能具有最高的性能，即使用Cleveland冠心病数据集。用于训练版本的数据集中的功能，而ML算法的选择在模型的性能上具有显着影响。由于克利夫兰数据集内部的功能大量功能而避免过度拟合（由于维度的诅咒），该数据集降低到较低的维度子空间，因此使用了jelly鱼优化规则的使用集。水母算法具有过高的收敛速度，并且可以灵活地找到特殊功能。已经检查了通过训练使用独家ML算法的功能选择的数据集获得的模型，并将其性能进行了比较。使用水母算法在数据集上教育的SVM分类器版本获得了最高的性能，其敏感性，特异性，准确性和面积为98.56％，98.37％，98.47％和94.48％。我们查看研究中正在发生的事情，指出当前方法中缺少的内容，并勾勒出我们对系统布局的想法。结果表明，水母优化的规则和SVM分类器的总体具有最佳的性能，可用于冠心病的预测。本文研究如何使用机器学习来预测心脏问题。通过挖掘数据，处理一些数字和建筑模型，我们希望添加到早期创建更好，更快的工具，以便早期发现心脏病，这应该有助于早日捕捉并促进患者护理。关键字：以下是这项研究中使用的一些关键字，深度学习，心力衰竭，水母优化，支持向量机•心脏病预测 - 想象一组复杂的计算机模型和算法，这是科幻电影中的东西。他们旨在评估您使用血压，胆固醇水平，心率和其他关键健康指标等医学数据的机会。这里的最终目的是早期发现任何潜在威胁，并在情况恶化之前立即进行干预。•机器学习 - 好吧，所以，您知道人工智能或AI的简称是如何的
评估教师对坦桑尼亚和印度的行政支持的看法
主要关键词
相关文件推荐
