PHƯƠNG PHÁP MÁY HỌC CHẨN ĐOÁN BỆNH TIM

Abstract

Trong bài luận này, mục tiêu chính là nghiên cứu và ứng dụng các phương pháp máy học vào việc chẩn đoán bệnh tim nhằm tăng độ chính xác và hiệu quả trong việc phát hiện sớm các bệnh lý tim mạch. Nội dung chính của đề tài bao gồm phân tích các tập dữ liệu liên quan đến bệnh tim, gồm các thông tin như thông tin bệnh nhân, tiền sử bệnh lý, các phép đo lâm sàng, các xét nghiệm tim mạch và kết quả chẩn đoán. Trải qua quá trình tiền xử lý dữ liệu gồm các bước như chuyển đổi dữ liệu, chuẩn hóa dữ liệu, chọn lọc đặc trưng và xử lý mất cân bằng dữ liệu. Nghiên cứu này khảo sát, áp dụng và so sánh các thuật toán máy học khác nhau như: Naive Bayes, k-Nearest Neighbors, Logistic Regression, Decision Tree, Support Vector Machine, Random Forest và Gradient Boosting Machine. Kết quả sẽ được đánh giá sau khi áp dụng đánh giá chéo SFK, hiệu suất của các mô hình khác nhau được so sánh và đưa ra nhận định về mô hình nào đạt kết quả tốt nhất dựa trên các chỉ số đánh giá như Accuracy, Precision, Recall, F1 Score, ROC AUC. Từ khóa: Bệnh tim, phân tích dữ liệu, máy học, phân loại, Naive Bayes, k-Nearest Neighbors, hồi quy logistic, cây quyết định, máy vector hỗ trợ, rừng ngẫu nhiên, máy tăng cường gradient.