基于机器学习的心血管疾病预测:比较分析
机器学习
2025-07-30 v1
摘要
心血管疾病(CVD)是全球死亡的主要原因,占全部死亡的 31%。本研究涉及由 68,119 条记录组成的心血管疾病(CVD)数据集,探讨数值因素(年龄、身高、体重、血压、BMI)和分类因素(性别、胆固醇、血糖、吸烟、饮酒、运动)对 CVD 发生的影响。我们进行了统计分析,包括 t 检验、Chi-square 检验和 ANOVA,以识别 CVD 与老年人、高血压、较高体重和异常胆固醇水平之间的强关联,同时发现体力活动(具有保护作用)。Logistic 回归模型突显年龄、血压和胆固醇为主要风险因素,吸烟和饮酒显示出意外的负相关,这表明可能存在数据问题。模型性能比较显示,CatBoost 是表现最佳的模型,准确率为 0.734,ECE 为 0.0064,在概率预测方面表现突出(Brier 分数=0.1824)。数据挑战,包括离群值和偏斜分布,表明需要改进预处理以提高预测可靠性。
引用
@article{arxiv.2507.21898,
title = {Cardiovascular Disease Prediction using Machine Learning: A Comparative Analysis},
author = {Risshab Srinivas Ramesh and Roshani T S Udupa and Monisha J and Kushi K K S},
journal= {arXiv preprint arXiv:2507.21898},
year = {2025}
}