Порівняльний аналіз алгоритмів машинного навчання для систем прогнозування серцево-судинних захво- рювань

Abstract

Серцево-судиннi захворювання щорiчно вбивають близько 20,5 мiльйонiв людей. Раннє виявлення захворювання може допомогти людям змiнити свiй спосiб життя та забезпечити належне медичне лiкування. У роботi предста вленi рiзнi атрибути, пов’язанi з хворобами серця, та модель на основi таких алгоритмiв навчання: Logistic Regression, K-nearest neighbors, Support Vector Machine, Decision Tree Classifier, Random Forest Classifier та XGBoost Classifier. Модель використовує набiр даних iз Клiвлендської бази даних UCI для пацiєнтiв iз серцевими захворюваннями. Набiр даних мiстить 303 екземпляри та 76 атрибутiв. З цих 76 атрибутiв лише 14 атрибутiв розглядаються для тестування, що важливо для обґрунтування продуктивностi рiзних алгоритмiв. Результати показують, що найвищий бал точностi досягається з алгоритмом Support Vector Machine. Ця дослідницька робота має на метi продемонструвати ймовiрнiсть розвитку серцевих захворювань у пацiєнтiв використовуючи рiзнi алгоритми машинного навчання.