TY -的A2 Donta Praveen Kumar AU -哈米德,丹麦盟——Ullah Syed Sajid AU -伊克巴尔,Jawaid AU -侯赛因萨达姆AU -哈桑,Ch。瓦尔ul AU -奥马尔,拉毛PY - 2022 DA - 2022/09/20 TI -二进制的机器学习和不平衡心脏病Multiclassification结果数据流SP - 8400622六世- 2022 AB -在医学,预测心脏病的发生是一件重要的工作。数以百万计的医药相关的复杂性,仍然没有解决到目前为止可以极大地简化了机器学习的帮助。拟议的研究涉及心脏疾病诊断决策支持系统。OpenML存储库数据流与100万年心脏病的实例和14个特征用于这项研究。申请进行预处理和特征工程技术后,机器学习方法如随机森林,决策树,梯度增加树、线性支持向量分类器,逻辑回归,one-vs-rest,多层感知器是用于执行二进制和multiclassification数据流。结合马克斯Abs定标器的技术时,多层感知器执行令人满意地在两个二进制(精度94.8%)和multiclassification(精度为88.2%)。与其他二进制分类算法相比,GBT交付正确的结果(95.8%)的准确性。多层感知器,然而,在多个分类。过采样采样等技术对疾病产生负面影响的预测。机器学习方法的多层感知器和乐团可以有助于诊断心脏疾病。 For this kind of unbalanced data stream, sampling techniques like oversampling and undersampling are not practical. SN - 1687-725X UR - https://doi.org/10.1155/2022/8400622 DO - 10.1155/2022/8400622 JF - Journal of Sensors PB - Hindawi KW - ER -