پیشبینی موثر بیماری‌های قلبی بر اساس یادگیری ماشین بر روی مجموعه داده بزرگ

مطالعه در سال های اخیر نشان می دهد که بیماری های قلبی به عنوان عامل اصلی مرگ و میر در جهان ظاهر شده اند. بر اساس برآورد سازمان بهداشت جهانی، تقریباً 23.6 میلیون نفر تا سال 2030 بر اثر بیماری های قلبی عروقی خواهند مرد. پیش بینی بیماری های قلبی یک چالش بزرگی برای محققان در طول زمان بوده است. هدف اصلی این مقاله ارائه یک روش جدید است که در آن از پیشرفت‌های فن‌آوری موجود برای توسعه مدل‌های پیش‌بینی برای بقای بیماری قلبی استفاده شده است. مدل های یادگیری ماشین مانند جنگل تصادفی، درخت تصمیم، adaboost، رگرسیون لجستیک، xgb، ناوی بیزین، ماشین بردار پشتیبان، تجزیه و تحلیل تفکیک خطی و درخت طبقه بندی و رگرسیون را برای پیش بینی بیماری قلبی استفاده شد. همچنین برای آزمایش اثربخشی از فراخوانی، دقت و صحت، امتیاز f1 استفاده شده است. نتایج به دست آمده نشان می دهد الگوریتم xgb بهترین نتیجه را بین سایر الگوریتم ها از نظر پارامتر های اندازه گیری شده داشته است. پارامتر معیار دقت در این الگوریتم 97% را نشان می دهد که بیانگر عملکرد مناسب روش پیشنهادی در تشخیص بیماری قلبی می باشد.