使用机器学习算法预测心脏病并缩短调查时间
机器学习
2023-06-02 v1 人工智能
应用统计
摘要
当前，许多研究人员和分析师致力于提升多种疾病的医学诊断水平。心脏病是一种常见疾病，可视为全球范围内死亡的重要原因之一。早期检测心脏病可显著有助于降低心力衰竭风险。因此，美国疾病控制与预防中心（CDC）每年对超过 400,000 名参与者开展健康相关电话调查。然而，关于调查数据在预测心脏病方面的可靠性以及是否所有调查问题都高度相关，出现了若干担忧。本研究旨在利用支持向量机和逻辑回归等多种机器学习技术，考察美国 CDC 心脏病调查的准确度。此外，我们使用多种特征选择方法识别可用于预测心脏状况的最相关问卷子集。为得出稳健结论，我们通过随机采样数据 300 次进行稳定性分析。实验结果表明，调查数据在预测心脏病方面的效用可达 80%，这在血液检查和检测之前显著改善了诊断流程。另外，在保持同等性能水平的同时，开展调查所花费的时间可减少 77%。
引用
@article{arxiv.2306.00023,
title = {Predicting Heart Disease and Reducing Survey Time Using Machine Learning Algorithms},
author = {Salahaldeen Rababa and Asma Yamin and Shuxia Lu and Ashraf Obaidat},
journal= {arXiv preprint arXiv:2306.00023},
year = {2023}
}