冠心病的机器学习分类
机器学习
2018-12-10 v1
摘要
冠心病（CAD）是全球主要死因之一，因此正确诊断该病患者十分重要。对于医学诊断，机器学习是一种有用工具，但须谨慎选择特征与算法以获得准确分类。为此，我们对来自 Cleveland 数据集（含 297 条记录）的 13 个输入特征使用了三种特征选择方法，选出了 7 个特征。所选特征用于训练三种不同分类器，即 SVM、朴素贝叶斯（Naïve Bayes）与 KNN，采用 10 折交叉验证。所得模型以准确率、召回率、特异度与精确率进行评估。结果发现，朴素贝叶斯分类器在该数据集与特征上表现最佳，在所采用的四项评估指标中均优于或持平 SVM 与 KNN，并达到了 84% 的准确率。
引用
@article{arxiv.1812.02828,
title = {Machine Learning Classifications of Coronary Artery Disease},
author = {Ali Bou Nassif and Omar Mahdi and Qassim Nasir and Manar Abu Talib and Mohammad Azzeh},
journal= {arXiv preprint arXiv:1812.02828},
year = {2018}
}
备注
6 pages, The 13th International Joint Symposium on Artificial Intelligence and Natural Language Processing (iSAI-NLP 2018)