抽象的心脏是负责整个身体循环血液的主要器官,在社会中引起的心脏病引起了极大的关注。诊断心脏病给医生带来了重大挑战。研究人员已经探索了多种预测方法来解决此问题。这些预测的准确性仍然是关键的考虑因素。在这项研究中,我们专注于五种不同的机器学习算法,包括随机森林,决策树分类器,逻辑回归,k-neartiment邻居分类器以及带有网格搜索的决策树分类器。此外,我们开发了一个合奏模型,其主要目标是准确预测心脏病。我们的分析利用了Kaggle的心脏病数据集,在检查的五种算法中,决策树分类器的精度最高为92%。这一发现突出了其在预测心脏病方面的有效性。
2020 年 BHU 科学研究所最高效研究员奖(2020 年) 在 DST-ASEAN 项目下访问新加坡南洋理工大学(2019 年 9 月 27 日至 10 月 10 日) 在 DST-ASEAN 项目下访问马来西亚吉隆坡马来亚大学(2019 年 10 月 11 日至 24 日) DAAD 奖学金(研究停留),IFW,德国德累斯顿(2018 年 11 月至 2019 年 1 月)。获得 DST 差旅费资助,参加意大利 ISE-2018(从知识到创新的电化学)(2018 年 9 月 2 日至 7 日)。英国巴斯大学英联邦奖学金(2015 年 1 月至 3 月)。 DST 旅行补助金,参加瑞士 ISE-2014(无处不在的电化学)(2014 年 8 月 31 日至 9 月 5 日)印度-美国科学技术论坛研究员,美国(2010-11 年)