使用递归特征消除与梯度提升分类技术进行心血管疾病预测
机器学习
2021-06-17 v1
摘要
心血管疾病(CVDs)是影响人们健康的最常见慢性疾病之一。早期检测心血管疾病可通过预防或降低疾病严重程度来减少死亡率。机器学习算法是识别风险因素的一种有前景的方法。本文提出一种基于递归特征消除的梯度提升(RFE-GB)算法，以获得准确的心脏病预测。分析了带有重要 CVD 特征的患者健康记录以评估结果。还使用了其他几种机器学习方法构建预测模型，并将结果与所提模型进行比较。所提模型的结果表明，递归特征消除与梯度提升相结合的算法达到了最高准确率(89.7%)。此外，该 RFE-GB 算法的曲线下面积为 0.84，表现优越，并相较其他技术获得显著提升。因此，所提 RFE-GB 算法将作为心血管疾病估计与治疗的突出模型。
引用
@article{arxiv.2106.08889,
title = {Cardiovascular Disease Prediction using Recursive Feature Elimination and Gradient Boosting Classification Techniques},
author = {Prasannavenkatesan Theerthagiri and Vidya J},
journal= {arXiv preprint arXiv:2106.08889},
year = {2021}
}
备注
20 pages, 9 figures