数据挖掘方法来检测心脏病-研究论文

【文件属性】：
文件名称：数据挖掘方法来检测心脏病-研究论文
文件大小：328KB
文件格式：PDF
更新时间：2021-05-20 07:18:57
Bagging algorithm Data Mining Heart 在全球范围内，心脏病是第一大死亡原因。 大约80％的死亡发生在中低收入国家。 如果当前的趋势继续下去，到2030年，估计将有2360万人死于心血管疾病（主要是心脏病和中风）。 医疗保健行业收集了大量的心脏病数据，不幸的是，这些数据并不是“挖掘”出来的，它们无法发现隐藏的信息以做出有效的决策。 心脏血液和氧气供应的减少会导致心脏病。 但是，缺乏有效的分析工具来发现数据中隐藏的关系和趋势。 本研究论文旨在提供对当前使用数据挖掘技术的数据库中知识发现技术的调查，这将对医疗从业人员做出有效的决策非常有用。 这项研究工作的目的是通过减少属性数量来更准确地预测心脏病的存在。 最初，有13种属性参与了心脏病的预测。 十三个属性减少为11个属性。 像朴素贝叶斯（Naive Bayes），J48决策树（J48 Decision Tree）和装袋算法（Bagging algorithm）这样的三个分类器用于预测患者的诊断，其准确性与减少属性数量之前获得的准确性相同。 在我们的研究中，使用10倍交叉验证方法来测量这些预测模型的无偏估计。