Задача прогнозування захворювань за допомогою методів машинного навчання

Abstract

У роботі розглядаються методи машинного навчання, що застосовуються у сфері медицини. Детально розглядається задача передбачення ішемічної хвороби серця на даних про пацієнтів, зібраних з декількох лікарень світу. Для вирішення даної задачі класифікації використовується логістична регресія, метод k-найближчих сусідів, метод дерева рішень і метод випадкового лісу. Ефективність кожного з методів оцінюється за рядом метрик, за ними ж проводиться порівняння алгоритмів і визначення найкращого з них. Порівняння алгоритмів проілюстровано за допомогою діаграм, наведених у роботі.

This paper deals with the methods of machine learning used in the field of medicine. The problem of predicting coronary heart disease is studied in detail, using the data about patients collected from several hospitals in the world. For solving this classification problem various methods are used, such as logistic regression, k-nearest neighbours, decision tree and random forest. The performance of each method is assessed by a number of metrics, which are also used for comparing algorithms and determining the best performing one. The comparison of algorithms is illustrated with diagrams provided in the paper.