超级会员免费看
使用AdaBoost集成和多层感知器的心脏疾病预测模型
1 引言
心脏病，也被称为心血管疾病，是指心脏的各种状况，如血管狭窄或堵塞，这可能导致心绞痛（胸痛）、心脏病发作或中风。心血管疾病还包括其他类型的心脏病，如脑血管疾病、外周动脉疾病、冠状动脉疾病、风湿性心脏病和先天性心脏病。许多因素会导致心脏病，包括吸烟、饮酒、血压、缺乏体育活动、血糖水平、胆固醇和科技。世界卫生组织旨在通过考虑和采纳这些因素，到2025年将因心脏病导致的死亡率降低25%。
由于全球大量人群患有心脏病，每年导致大量死亡，因此心脏病的诊断和适当的治疗可以降低死亡率。然而，提前预测心脏病却是一项挑战，因为它依赖于多种因素。因此，在诊断和决策系统中，需要计算智能来协助医疗专业人员。研究人员一直在使用不同的数据挖掘技术对医疗数据进行分析，这可以帮助医疗专业人员诊断疾病。数据挖掘是一个通过应用各种机器学习算法来分析和识别数据中隐藏知识的过程。在医疗保健中，医疗数据挖掘在疾病诊断和治疗中扮演着高效但复杂的角色。根据现有研究，医疗数据挖掘用于预测癌症、心脏病、糖尿病等疾病。
2 文献综述
在对心脏病患者的预后进行判断时，已经使用了各种机器学习技术。这些技术帮助医生分析和预测心脏病。已经使用了多种单一的数据挖掘技术，如朴素贝叶斯、神经网络、支持向量机（SVM）和线性回归，在心脏病诊断中，其结果在准确度、特异性和敏感性方面得出了不同的结论。目前，研究人员正专注于使用数据挖掘技术的混合方法进行心脏病诊断，结果证明比单一的数据挖掘分类器更准确。
例如，在一项研究中，研究人员提出了一种用于识别心脏病的决策支持模型，该模型使用克利夫兰数据集。该模型使用支持向量机（SVM）将数据集分为五个类别
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
