利用数据挖掘技术检测心脏病的研究论文

简介：
本文探讨了运用数据挖掘技术在心脏病诊断中的应用，通过分析大量医疗记录和患者信息，旨在提高早期发现及预防心脏病的能力。 在全球范围内，心脏病是导致死亡的主要原因，并且大约80%的心脏病相关死亡发生在中低收入国家。如果当前的趋势持续下去，预计到2030年将有约2,360万人死于心血管疾病（主要是心脏病和中风）。尽管医疗保健行业已收集了大量的心脏病数据，但这些信息未能被充分挖掘以揭示隐藏的信息并做出有效的决策。 心脏的血液和氧气供应减少是导致心脏病的主要原因之一。然而，在分析现有数据时缺乏有效工具来发现其中的关系与趋势。这项研究论文旨在调查当前使用的数据挖掘技术在医疗数据库中的知识发现方法，并为医务人员提供有价值的洞见，从而帮助他们制定更明智的决定。 本项研究的目标在于通过降低属性数量提高对心脏病预测的准确性。最初的研究中涉及了13种不同的属性用于心脏病诊断。经过筛选后，这些属性被精简至11个。我们使用朴素贝叶斯（Naive Bayes）、J48决策树和装袋算法等三种分类器来预测患者的病情，并且发现这些模型的准确性与在减少属性数量之前的结果相同。 为了衡量这几种预测方法的有效性，在研究中采用了一种名为“十倍交叉验证”的技术，以确保对各种模型进行无偏估计。