摘要
目前,机器学习在疾病预测领域的应用日益广泛.文章介绍了SVM(支持向量机)、CART(分类与回归树)决策树、KNN(K近邻)3种机器学习算法,并将这3种算法构建的模型应用于心血管疾病(CVD)的预测中.结果表明,SVM模型表现最优.此外,为进一步提高模型的性能和鲁棒性,在这3个基模型中均融合了Bagging算法.研究结果显示,3个模型的性能均得到了不同程度的提升,其中CART决策树模型的性能提升最为显著,但SVM模型仍然保持最佳表现.利用机器学习技术对CVD进行有效预测的方法可应用于智能床垫上,通过监测和分析用户的生理数据,智能化地评估心血管疾病风险,为实现便捷的智能健康管理提供了一种有效途径,对CVD的预防和诊断具有重要价值.
维普
万方数据