文件名称：CVD_Prediction
文件大小：15.41MB
文件格式：ZIP
更新时间：2024-03-25 22:18:15
JupyterNotebook
心血管疾病风险预测工具的开发和验证：一种机器学习方法 为了与时俱进，健康保险公司需要加快其数字化和数据增强之旅。 尤其是现在，随着COVID-19的锁定和持续的物理疏远协议，当急救人员进行医疗检查时，急需重新考虑当前的保险承保方式，这已成为当务之急。 在这种环境下，风险评估必须转向更远程的，数据驱动的模型，而分发则必须从面对面的交互转变为更多的在线交互。 该项目的目的是开发一种心血管疾病风险评估筛查工具，以使用自我报告的信息预测成年人中心脏病发作和中风的风险。 反过来，这可用于基于简短的调查表获得个体患上心血管疾病的可能性并评估风险评分。 目标特征CVD_risk显示具有12878个负类和1,611个正类的类不平等分布，对应于正类和负类之间的1：8比率。 基线标识符显示出非常差的指标，因此采用了不同的重采样技术来解决不平衡的数据问题。 通常，患有CVD风险的人的年龄较高。 此外，对于
【文件预览】：
CVD_Prediction-master
----02_Exploratory_Data_Analysis()
--------.ipynb_checkpoints()
--------CVD Prediction_Exploratory_Data_Analysis.ipynb(3.65MB)
----01_Data_Wrangling()
--------.ipynb_checkpoints()
--------CVD Prediction_Data_Wrangling.ipynb(314KB)
----Presentation and Report()
--------.DS_Store(6KB)
--------CVD_prediction.pdf(1.14MB)
--------CVD_prediction.pptx(34.86MB)
----app.py(1KB)
----requirements.txt(13KB)
----Images()
--------Picture2.png(67KB)
--------Picture6.png(54KB)
--------Picture1.png(19KB)
--------Picture3.png(52KB)
--------Picture4.png(48KB)
--------Picture5.png(43KB)
----README.md(3KB)
----03_Preprocessing_and_Training()
--------.ipynb_checkpoints()
--------.DS_Store(6KB)
--------CVD_Prediction_Preprocessing_and_Training.ipynb(1.61MB)
----04_Modeling()
--------.ipynb_checkpoints()
--------CVD_Prediction_Modeling.ipynb(100KB)