机构名称：
¥ 1.0
摘要。心脏病是人们最频繁遭受的疾病之一。每年，全世界数百万人因其导致死亡的主要原因之一。心脏病的特征是心脏瓣膜，心力衰竭，心律不齐和冠状动脉疾病的问题。心脏病有30多种不同的形式。允许迅速干预和正确的护理，早期和精确的心脏病预测可以大大改善患者的预后。在此模型中，我们研究了机器学习技术在预测心脏病中的应用。我们研究了一个由患者细节（例如人口统计学，医学史和临床措施）组成的大型数据集。认为，当心脏病开始以及如何诊断时，机器学习算法可以正确预测机器学习算法。机器学习技术包括逻辑回归，决策树，XGBoost，梯度提升，随机森林，支持向量机（SVM）和人工神经网络（ANN）用于构建预测模型。一个混合模型，包括ANN，梯度提升，决策树，SVM，随机森林和逻辑回归构成了预测模型。提高模型的准确性。管理缺失值，标准化功能并求解类不平衡。数据集已预处理。使用特征选择方法发现了最佳准确的心脏病预测。接收器的操作特性曲线，回忆，准确性和精度是训练和评估模型的一些性能指标。该模型的主要目标是制定一种新的策略，以创建成功解决实际问题的模型
使用机器学习算法的心脏病预测
主要关键词
相关文件推荐
