机构名称：
¥ 1.0
摘要。心脏病病例正在以令人不安的速度增长。至关重要的是诊断并预测任何此类疾病。这个结论是必须明确，成功完成的一项困难任务。患者预期患有心脏病的研究工作是基于许多药物特征和健康状况因素。通过分析患者过去的医疗时代来控制患者是否被诊断为心脏病，开发了一种检测和预测心脏病的方法。机器学习方法，例如线性回归，逻辑回归和k-neart邻居，以预测和对患有心脏病的患者进行分类。在途中使用一种支持方法来控制如何使用模型来提高每个单曲中心脏风险的精度。所提出的模型的能力使人填补了填充，并可以通过应用KNN和Logistic回归来预测在某个单独服用心脏病的证据，与先前使用的分类器（如天真的海湾）相比，这证明了这一点很高。结果，通过使用提供的技术来确定分类拟合的概率正确，并精确地识别心脏状况，可以缓解了至关重要的压力。提供的心脏病预测系统增强了临床考虑，同时降低了成本。这项研究提供了重要的信息，可以帮助我们预期患有心脏病的患者，而这一信息是用Python编写的。
使用Python中使用ML算法的心脏病检测和预测
主要关键词
相关文件推荐
