Resumen

La enfermedad cardíaca es reconocida como uno de los principales factores de la tasa de mortalidad a nivel mundial. Los instrumentos biomédicos y diversos sistemas en hospitales tienen grandes cantidades de datos clínicos. Por lo tanto, comprender los datos relacionados con la enfermedad cardíaca es muy importante para mejorar la precisión de la predicción. Este artículo ha realizado una evaluación experimental del rendimiento de los modelos creados utilizando algoritmos de clasificación y características relevantes seleccionadas utilizando varios enfoques de selección de características. Para los resultados del análisis exploratorio, se han aplicado diez técnicas de selección de características, es decir, ANOVA, Chi-cuadrado, información mutua, ReliefF, selección de características hacia adelante, selección de características hacia atrás, selección de características exhaustiva, eliminación recursiva de características, regresión Lasso y regresión Ridge, y seis enfoques de clasificación, es decir, árbol de decisión, bosque aleatorio, máquina de vectores de soporte, vecino más cercano, regresión logística y Bayes ingenuo gauss

• Materias:Anillos Modelos dinámicos Teoría de grupos Variedades de curvas Ecuación diferencial
• Subjects:Rings Dynamic models Group theory Varieties of curves Differential Equation
• Palabras claves:Enfermedad cardíaca; Datos; Algoritmos de clasificación; Selección de características; Evaluación de rendimiento; Conjunto de datos de Cleveland
• Keywords:Heart disease; Data; Classification algorithms; Feature selection; Performance evaluation; Cleveland dataset