TY -的A2 Cecotti休伯特AU -奥乌苏,埃比尼泽盟——Boakye-Sekyerehene盟王子——Appati正义夸梅- AU - Ludu,朱利叶斯偏航PY - 2021 DA - 2021/12/23 TI -计算机辅助诊断心脏病的风险预测使用提高支持向量机SP - 3152618六世- 2021 AB -全球心脏疾病死亡的主要原因,并引发了大量的对科学界的兴趣。因为大量的冲动与之相关的死亡,早期发现是至关重要的。本研究提出了一种提高支持向量机(SVM)技术为骨干的计算机辅助诊断工具更准确地预测心脏病风险的水平。的数据集包含13个属性,如性别、年龄、血压、从克利夫兰诊所和胸痛。总共有303条记录6元组有缺失值。清理数据,我们通过listwise删除6丢失记录技术。数据的大小,事实上,这是一个纯粹的随机子集,使得这种方法对实验没有显著的影响,因为没有偏见。特征选择使用促进技术加速和提高精度。使用火车/测试分割方法,然后划分为训练和测试数据。然后使用SVM训练和测试数据。 The C parameter is set at 0.05 and the linear kernel function is used. Logistic regression, Nave Bayes, decision trees, Multilayer Perceptron, and random forest were used to compare the results. The proposed boosting SVM performed exceptionally well, making it a better tool than the existing techniques. SN - 1687-5265 UR - https://doi.org/10.1155/2021/3152618 DO - 10.1155/2021/3152618 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -