СРАВНЕНИЕ ЭФФЕКТИВНОСТИ ГИБРИДНЫХ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗА СЕРДЕЧНО СОСУДИСТЫХ ЗАБОЛЕВАНИЙ И ДИАБЕТА ВТОРОГО ТИПА

Сердечно-сосудистые заболевания являются хроническими заболеваниями и одной из основных причин инвалидности и смертности во всем мире. Помимо заболеваний сердечно-сосудистой системы, диабет 2 типа также является одним из наиболее смертельных заболеваний, вызывающих серьезные проблемы, если его не лечить и не выявлять своевременно. Поэтому раннее прогнозирование этих заболеваний является наиболее эффективной мерой диагностики и выбора тактики лечения этих заболеваний. В данном аналитическом обзоре представлены результаты сравнения трёх подходов к прогнозированию, основанных на применении методов машинного обучения. Общей особенностью их является режим предварительной обработки, включающий интеграцию алгоритмов DBSCAN и SMOTE для удаления выбросов из данных и балансировки классов. Экспериментальная проверка моделей проводилась на различных датасетах, что позволяет сделать вывод о робастности результатов предобработки и эффективности двух алгоритмов классификации (RF, XGBoost).

Hali tarjima qilinmagan