论文研究 - 预测冠状动脉疾病的不同机器学习算法的比较

冠状动脉疾病（CAD）是全球死亡的主要原因。 它是一种复杂的心脏病，与许多危险因素和多种症状有关。 在过去的十年中，冠状动脉疾病（CAD）经历了惊人的发展。 本研究的目的是使用不同的机器学习算法（模型）构建原型系统，并比较它们的性能以找到合适的模型。 本文探讨了三种最常用的机器学习算法，分别称为Logistic回归，支持向量机和人工神经网络。 为了进行这项研究，已经使用了临床数据集。 为了评估性能，已使用了不同的评估方法，例如混淆矩阵，分层K折交叉验证，准确性，AUC和ROC。 为了验证结果，已经使用K折交叉验证技术验证了准确性和AUC分数。 数据集包含类不平衡，因此已使用SMOTE算法来平衡