基于机器学习算法的心脏病预测诊断模型研究

摘要：

以国外某医疗检测机构提供的预测心脏病的开源数据集进行分析和研究.分析引起心脏病的相关因素与患者之间的关系,并构建决策树(DT)和K近邻算法(KNN)两种机器学习算法模型,对心脏病进行分类和预测类别.以准确率(Accuracy)、精确度(Precision)、召回率(Recall)、F1_得分(F1_score)作为模型评价指标,比较和分析了两种机器学习算法模型在分类和预测方面的性能,从而得出最优的模型.研究得出机器学习算法模型为心脏病预测和诊断提供有效的科学依据.

关键词：机器学习、决策树、K近邻算法、心脏病

所属期刊栏目：6

分类号：TP18(自动化基础理论)

在线出版日期：2022-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：67-70