机构名称：
¥ 1.0
* 通讯作者：电子邮件：mohammed.guhdar@uoz.edu.krd 摘要：大多数中风都是由大脑和心脏血液供应意外受限引起的。提前意识到许多中风警告信号可以降低中风的严重程度。如果大脑某部分的血液突然停止流动，就可能导致中风。在本研究中，我们提出了一种使用逻辑回归 (LR) 算法预测中风疾病早期开始的策略。为了提高模型的性能，将包括 SMOTE、特征选择和异常值处理在内的预处理技术应用于数据集。该方法有助于实现类别分布的平衡，识别和删除不重要的特征并处理异常值。血压、体重、心脏状况、平均血糖水平、吸烟状况、既往中风和年龄增加。随着大脑神经元逐渐死亡，就会发生损伤，具体取决于大脑哪个区域受到血液供应减少的影响。早期诊断症状对于预测中风和支持健康的生活方式非常有帮助。此外，我们使用逻辑回归（LR）进行了实验，并将其与使用相同机器学习模型（即逻辑回归（LR））和相同数据集的其他一些研究进行了比较。结果表明，我们的方法成功获得了最高的 F1 得分和曲线下面积（AUC）得分，与同一领域的其他五项研究相比，这可以成为中风疾病预测的成功工具，准确率为 86%。中风预测模型具有良好的应用前景，因此，对于医学和健康科学领域的学者和从业者来说仍然具有重要意义。关键词：数据分析信息学、逻辑回归（LR）、中风机器学习、中风预测引言
使用逻辑回归优化中风预测的准确性...
主要关键词
相关文件推荐
