文件名称：使用机器学习预测心脏病的比较研究-研究论文
文件大小：284KB
文件格式：PDF
更新时间：2024-06-08 09:47:25
Machine learning (ML) Support Vector
根据世界卫生组织，心脏病是全世界死亡的主要原因。 在心脏病中，心脏病发作是主要的死亡原因。 心脏病的预测或检测是一项需要相关领域专业知识的任务。 但是，随着机器学习和深度学习等学科领域技术研究的发展，为使这项任务更轻松，更高效地完成而开辟了许多道路。 这些路径之一导致了此任务的自动化。 但是，在使系统自动化的同时，我们必须保持系统的准确性。 除了数据的质量，解决问题的算法的选择在产生准确的输出中也起着重要的作用。 这是因为不同的算法可以对不同种类的数据执行不同的操作。 可以通过一种以上的算法来解决当前的问题。 目标是将各种机器学习算法应用于该问题，并对这些算法在预测人体内心脏病的效率方面进行比较研究。 用于相同算法的算法是支持向量分类器，决策树分类器，随机森林分类器和k最近邻分类器。 算法的实现是在来自加州大学尔湾分校机器学习存储库的心脏病数据集上完成的。 将评估上述所有算法的准确性得分。 具有最高准确度分数的算法将是最适合预测疾病的算法。