基于機器學習的冠心病風險預測模型構(gòu)建與比較

摘要： 背景 冠狀動脈粥樣硬化性心臟?。ㄒ韵潞喎Q冠心?。┦侨蛑匾乃劳鲈蛑?。目前關(guān)于冠心病風險評估的研究在逐年增長。然而，在這些研究中常忽略了數(shù)據(jù)不平衡的問題，而解決該問題對于提高分類算法中識別冠心病風險的準確性至關(guān)重要。目的 探索冠心病的影響因素，通過使用2種平衡數(shù)據(jù)的方法，基于5種算法建立冠心病風險相關(guān)的預測模型，比較這5種模型對冠心病風險的預測價值。方法 基于2021年美國... （共11頁）