心脏病是一种普遍的健康问题,需要尽早发现才能有效治疗。本研究专注于使用各种机器学习技术开发预测模型,以便尽早意识到心脏病风险。该方法涉及数据收集、预处理、特征提取和选择,以及应用不同的 ML 算法进行性能分析。从孟加拉国的各个医疗中心收集的数据包括年龄、性别、吸烟、肥胖等 19 个属性。特征提取和选择技术用于识别与心脏病预测最相关的属性。该研究采用了逻辑回归、朴素贝叶斯等不同的人工智能技术进行比较分析。该研究旨在确定心脏病预测的最佳分类器,其中使用选定特征的随机森林可实现 90% 的最高准确率。这种方法可以作为早期心脏病预测的有力工具。
主要关键词