پيشبيني مؤثر بيماري‌هاي قلبي بر اساس يادگيري ماشين بر روي مجموعه داده بزرگ

مطالعه در سال هاي اخير نشان مي دهد كه بيماري هاي قلبي به عنوان عامل اصلي مرگ و مير در جهان ظاهر شده اند. بر اساس برآورد سازمان بهداشت جهاني، تقريباً 23.6 ميليون نفر تا سال 2030 بر اثر بيماري هاي قلبي عروقي خواهند مرد. پيش بيني بيماري هاي قلبي يك چالش بزرگي براي محققان در طول زمان بوده است. هدف اصلي اين مقاله ارائه يك روش جديد است كه در آن از پيشرفت‌هاي فن‌آوري موجود براي توسعه مدل‌هاي پيش‌بيني براي بقاي بيماري قلبي استفاده شده است. مدل هاي يادگيري ماشين مانند جنگل تصادفي، درخت تصميم، AdaBoost، رگرسيون لجستيك، XGB، ناوي بيزين، ماشين بردار پشتيبان، تجزيه و تحليل تفكيك خطي و درخت طبقه بندي و رگرسيون را براي پيش بيني بيماري قلبي استفاده شد. همچنين براي آزمايش اثربخشي از فراخواني، دقت و صحت، امتياز F1 استفاده شده است. نتايج به دست آمده نشان مي دهد الگوريتم XGB بهترين نتيجه را بين ساير الگوريتم ها از نظر پارامتر هاي اندازه گيري شده داشته است. پارامتر معيار دقت در اين الگوريتم 97% را نشان مي دهد كه بيانگر عملكرد مناسب روش پيشنهادي در تشخيص بيماري قلبي مي باشد.