机构名称：
¥ 4.0
心血管疾病是世界各地的第一个死亡原因。通过使用人工智能算法，尤其是机器学习方法，可以预测由于心脏病引起的危险情况。在本论文中研究了各种方法，例如神经网络，支持向量机，决策树，天真的贝叶斯，逻辑回归和随机梯度下降，以提取预测模型，以测试存在或不存在心脏病。多亏了UCI的公共数据集，就可以利用医疗数据来训练所提出的模型。本文中基于表现的不同方法之间的比较。所提出的模型的测试揭示了在77％-90.6％的准确性方面的性能。天真的贝叶斯模型一直是具有高精度（90.6％），最高精度（96.4％）和最短分类时间（0.003秒）的模型。
基于机器学习算法的心脏病检测
主要关键词
相关文件推荐
