基于机器学习算法的心脏病分类与预测

心脏病是全球范围内严重的健康问题，因为它导致许多如果及时识别并治疗的话就可以救命的人死亡。心血管疾病通常称为心脏病，是世界上死亡原因前列。为这些疾病创建可靠、有效且精确的预测是当今医学界面临的最大问题之一。虽然已有工具可用于预测心脏病，但它们要么昂贵，要么难以用于确定患者风险。本研究旨在找出预测和发现心脏病的最佳分类器。该实验检验了多种机器学习方法，包括逻辑回归、K 近邻、支持向量机和人工神经网络，以确定哪种机器学习算法在预测心脏病方面最有效。本研究采用最常用的数据集之一——UCI 心脏病存储库提供的数据集。结果表明，K 近邻技术是预测患者是否患有心脏病最有效的机器学习算法。对于心脏病预测的其他机器学习算法的应用仍需进一步研究。