TY -的A2信号Gaurav盟——Ansarullah Syed Immamul AU -赛义夫,Syed Mohsin AU -库马尔,Pradeep AU -•基尔马尼,Mudasir Manzoor PY - 2022 DA - 2022/02/21 TI -意义可见的非侵入性的初始预测心脏病风险属性使用不同的机器学习技术SP - 9580896六世- 2022 AB - 介绍。心脏病是成为全球最重要的死因,是最昂贵的慢性疾病之一。 目的。心脏病死亡率增加刺激的事件,一个有效的、低成本、可靠的心脏病风险评估模型是使用重要的非侵入性的开发风险属性。重大的非侵入性的风险属性(年龄、收缩压、舒张压、BMI、遗传因素、吸烟、酒精,和缺乏身体活动)是被医学领域专家的帮助下,和他们在心脏病的可靠性预测是研究通过不同的特征选择方法。 方法。使用特定的调查技巧的增强随机森林,朴素贝叶斯、决策树、支持向量机和K最近邻的风险因素进行测试。心脏疾病风险评估模型是使用Jupyter笔记本开发web应用程序,并测试其性能不仅通过医疗领域措施也通过模型性能的措施。 发现。评估心脏疾病风险评估模型,我们计算的歧视措施像错误率,AUROC,敏感性、特异性、准确性、精密,等等。实验结果表明,随机森林心脏病的风险评价模型优于现有的其他风险模型和令人钦佩的预测精度和最小的误分类率。 创意。心脏病风险评价模型开发了基于新的非侵入性心脏病数据集,它包含5776条记录。这个数据集收集来自不同异构数据源的克什米尔(印度)通过定量数据收集方法。 研究的意义。风险模型是适用的,人们缺乏综合初级医疗保健技术的设施不合时宜的心脏病风险预测。 未来的工作。调查深入学习和研究其他控制属性的重要性在不同的年龄和性别组患心脏病的风险评估。SN - 1687 - 5265 UR - https://doi.org/10.1155/2022/9580896 - 10.1155 / 2022/9580896摩根富林明计算智力和神经科学PB - Hindawi KW - ER