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。
已完成 :项目数量(总金额,以十万计):无 正在进行 :项目数量(总金额,以十万计):无 研究指导 博士学位:已完成:无;正在进行:无 哲学硕士:已完成:6;正在进行:无 理学硕士:已完成:83 正在进行:15 研究出版物 期刊:国际:12 国家:- 无 报告:- 无 会议论文(已发表):国际:9 国家:1