机构名称：
¥ 1.0
摘要：心血管疾病仍然是当代世界中死亡率的主要原因。它与吸烟，血压升高和胆固醇水平的关联强调了这些危险因素的重要性。本研究解决了预测心肌疾病的挑战，这是医学研究中的一项艰巨任务。准确的预测是精炼医疗策略的关键。这项调查对六个不同的机器学习模型进行了比较分析：逻辑回归，支持向量机，决策树，包装，XGBoost和LightGBM。所达到的结果表现出希望，准确率如下：逻辑回归（81.00％），支持向量机（75.01％），XGBoost（92.72％），LightGBM（90.60％）（90.60％），决策树（82.30％）和装袋（83.01％）。值得注意的是，XGBoost作为表现最佳模型出现。这些发现强调了其增强冠状动脉梗塞预测精度的潜力。随着心血管危险因素的普遍性持续存在，结合了先进的机器学习技术，具有优化积极主动的医疗干预措施的潜力。
通过对机器学习模型的比较分析改善心血管疾病预测：
主要关键词
相关文件推荐
