摘要：心脏病相关的死亡已成为当今世界的一个大问题，每分钟就有一人死于该疾病。该数据既考虑男性群体也考虑女性群体，而且比例因地区而异。该数据也适用于 25-69 岁年龄段。这并不是说所有年龄段的人都会受到心脏病的影响。这种疾病可能始于生命的早期阶段，预测其来源和疾病目前是一个巨大的挑战。心脏病是世界上最致命的问题之一，它无法用肉眼看到，一旦达到极限就会显现出来。因此，在正确的时间进行精确诊断是必要的。每天，医疗保健行业都会生成大量与患者和疾病相关的数据。另一方面，研究人员和从业者并没有适当地使用这些数据。尽管缺乏知识，但医疗保健行业现在拥有大量数据。在数据挖掘和机器学习中，有各种方法和工具可以从数据库中提取可用信息，并使用这些信息做出更准确的诊断和决策。因此，为了及时发现此类疾病并进行适当治疗，需要一种可靠、精确且可行的方法。在医学领域，机器学习算法和方法已用于处理大量数据集。研究人员采用各种数据挖掘和机器学习方法来分析大型数据集并帮助准确预测心脏病。这项研究比较和对比了朴素贝叶斯、辅助向量机、随机森林和监督学习模型，以找到最成功的算法。与其他算法相比，随机森林的精度高出 95.08%。