机构名称：
¥ 1.0
摘要 - 心血管疾病（CVD）对全球公共卫生构成了重大威胁，影响了各个年龄段的个人。胆固醇水平，吸烟，饮酒和身体不活跃等因素有助于其发作和进展。增强我们对CVD病因的理解并告知针对性的预防疾病和管理干预措施仍然是一个至关重要的挑战。在这项研究中，我们解决了使用机器学习技术来预测个人开发CVD的可能性的任务。具体来说，我们探讨了三种方法：k-neartheard邻居（KNN）算法，逻辑回归和随机森林算法。利用来自Kaggle的综合数据集，包括11个相关因素，我们进行了一系列实验，以确定CVD的最具影响力的预测指标。我们的分析不仅旨在预测疾病的发生，还旨在阐明有助于其表现的主要决定因素。通过对三种方法的比较分析，我们证明了随机森林算法在预测准确性方面表现出较高的性能。这项研究代表了利用机器学习技术的重要一步，以增强我们对CVD动态的理解，并为疾病预防和管理的有针对性的干预提供信息。
心血管疾病预测的机器学习模型：比较研究
主要关键词
相关文件推荐
