СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ БОЛЕЗНЕЙ СЕРДЦА

Проблема борьбы с сердечно-сосудистыми заболеваниями приобретает все более важное значение в силу высокого уровня инвалидизации и смертности от болезней сердца. В настоящей статье проводилось исследование методов прогнозирования болезней сердца с применением электрокардиографии и алгоритмов машинного обучения. Всего в ходе исследования было проведено 75 000 численных экспериментов с различными алгоритмами машинного обучения и их параметрами. На основе сравнительного анализа были отобраны модели и методы машинного обучения, которые дали наилучшие результаты. Были применены следующие методы: логистическая регрессия, алгоритм k-ближайших соседей, дерево решений, метод опорных векторов, байесовский классификатор, случайный лес, глубокие нейронные сети. Отобранные модели были обобщены для идентификации их параметров и эффективного применения.

The problem of combating cardiovascular diseases is becoming increasingly important due to the high level of disability and mortality from heart disease. In this article, a study was made of methods for predicting heart disease using electrocardiography and machine learning algorithms. In total, during the study, 75.000 numerical experiments were conducted with various machine learning algorithms and their parameters. Based on a comparative analysis, the models and methods of machine learning were selected, which gave the best results. The following methods were applied: logistic regression, k-nearest neighbors algorithm, decision tree, support vector machine, Bayesian classifier, random forest, deep neural networks. The selected models were generalized to identify their parameters and effective application.