2、心脏病预测：机器学习算法的应用与比较

心脏病预测：机器学习算法的应用与比较

1. 引言

在医疗领域，准确预测心脏病对于患者的治疗和健康管理至关重要。通过从医疗专业人员处获取的数据集，我们可以利用机器学习算法来预测患者是否患有心脏病。这些数据集具有特定的输出，即患者是否患有心脏病，对应着如年龄、性别、胸痛、静息血压等 13 个潜在输入属性。本文将应用四种不同的分类算法：k - 近邻（kNN）、决策树（DT）、XGBoost 和随机森林（RF），来进行心脏病的预测。

2. 文献综述

在心血管疾病领域，已经有许多先进的模型和研究成果。以下是一些值得关注的机器学习方法及其应用结果：
|序号|发表年份|使用算法|疾病|结果|
|----|----|----|----|----|
|1|2019 年 6 月|混合随机森林与线性模型（HRFLM）|心血管疾病（CVD）|该模型准确率高达 88.70%|
|2|2017 年 7 月|人工神经网络（ANNs）和朴素贝叶斯（NB）网络|糖尿病和心血管疾病（CVD）|朴素贝叶斯网络在糖尿病和 CVD 分类中提供了最高准确率，分别为 99.51%和 97.92%|
|3|2020 年 5 月|人工神经网络（ANN）、支持向量机（SVM）、决策树（DT）、线性判别分析（LDA）、最近邻（NN）和随机森林（RF）|心脏病|RF、LDA、DT 和 ANN 在准确率、F1 分数、精度和错误率方面优于 SVM 和 NN|
|4|2020 年 7 月|随机森林、卷积神经网络和套索模型|使用心电图检测心血管疾病|CVD 检测是可行的|
|5|2019 年 8 月|带径向基函数（RBF）核算法的支持向量分类器（SVC）|透析患者的心血