13、心血管疾病与个性化智能糖尿病系统的机器学习应用

心血管疾病与个性化智能糖尿病系统的机器学习应用

心血管疾病分析

在心血管疾病的研究中，小提琴图和箱线图是理解基本统计数据和数据分布的有效工具。这些图可以清晰地展示变量的分布情况，并且能够对基于某些类别的变量分布进行比较。以心脏病患者为例，通过图（5）可以观察到心脏病发作后的Thalach水平和ST段压低水平。

患者类型	ST段压低	Thalach
阳性患者	0.5830303030303029	158.46666666666667
阴性患者	1.5855072463768118	139.1014492753623

从上述结果可以看出巨大的差异，这暗示着存在大量影响因素。接下来，我们将使用不同的机器学习算法对这些信息进行建模和训练，以获得最高的精度。

以下是几种常用的机器学习算法及其精度结果：
| 模型 | 精度 | 召回率 | F1得分 | 支持度 |
| — | — | — | — | — |
| 逻辑回归 | 0.74 | - | - | 61 |
| K近邻（K-NN） | 0.75 | - | - | 61 |
| 支持向量机（SVM） | 0.75 | - | - | 61