Analiza i porównanie wybranych algorytmów klasyfikacji w kontekście przewidywania chorób serca

• Autorzy: Zdrojewski Kacper

Identyfikatory

DOI

10.5604/01.3001.0055.2028

Warianty tytułu

EN

Analysis and comparison of selected classification algorithms in the context of heart disease prediction

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono opis i porównanie efektywności wybranych algorytmów klasyfikacji w kontekście przewidywania chorób serca z wykorzystaniem języka R. Opisano kluczowe metody uczenia maszynowego, takie jak: k-najbliższych sąsiadów (KNN), maszyny wektorów nośnych (SVM), drzewa decyzyjne oraz lasy losowe, uwzględniając ich charakterystykę, zalety i ograniczenia. Dane użyte w badaniu pochodzą ze zbioru Cleveland Heart Disease Dataset, a proces obejmował przygotowanie danych, budowę modeli i ocenę ich skuteczności. Uzyskane wyniki ukazują potencjał nadzorowanego uczenia maszynowego w diagnostyce medycznej, szczególnie w przewidywaniu obecności chorób serca.

EN

The article presents a description and comparison of the effectiveness of selected classification algorithms in the context of heart disease prediction using the R programming language. Key machine learning methods, such as k-Nearest Neighbors (KNN), Support Vector Machines (SVM), Decision Trees, and Random Forests, are described, highlighting their characteristics, advantages, and limitations. The data used in the study comes from the Cleveland Heart Disease Dataset, and the process included data preparation, model development, and performance evaluation. The obtained results demonstrate the potential of supervised machine learning in medical diagnostics, particularly in predicting the presence of heart disease.

Słowa kluczowe

PL

nadzorowane uczenie maszynowe; algorytm klasyfikacji; choroba serca

EN

supervised machine learning; classification algorithms; heart diseases

• Wydawca: Instytut Teleinformatyki i Automatyki, Wydział Cybernetyki, Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
• Czasopismo: Przegląd Teleinformatyczny
• Rocznik: 2024
• Tom: T. 12, Nr 1-4
• Strony: 3--17
• Opis fizyczny: Bibliogr. 7 poz., rys., tab., wykr.

Twórcy

autor

Zdrojewski Kacper

• Regionalne Centrum Informatyki Warszawa, Wydział Sieci Informatycznych, ul. Żwirki i Wigury 9/13, 00-909 Warszawa

• https://orcid.org/0009-0007-5255-0441

Bibliografia

• [1] Boukhatem C., Youssef H. Y., Nassif A. B., Heart Disease Prediction Using Machine Learning. Advances in Science and Engineering Technology International Conferences (ASET), Dubai, United Arab Emirates, 2022, pp. 1-6, doi: 10.1109/ASET53988.2022.9734880.
• [2] Hastie T., Tibshirani R., Friedman J., The elements of Statistical Learning. Springer, New York, 2009.
• [3] James G., Witten D., Hastie T., Tibshirani R., An introduction to Statistical Learning. Springer, New York, 2013.
• [4] Kiepas P., Język R i uczenie maszynowe. Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej AGH, 2015.
• [5] Kohavi R., A study of cross-validation and bootstrap for accuracy estimation and model selection. In Proceedings of the 14th international joint conference on Artificial intelligence - Volume 2 (IJCAI'95). Morgan Kaufmann Publishers Inc., San Francisco, CA, USA, pp. 1137-1143.
• [6] Krittanawong C., Virk H. U. H., Bangalore S. et al., Machine learning prediction in cardiovascular diseases: a meta-analysis. Sci Rep 10, 16057 (2020). https://doi.org/10.1038/s41598-020-72685-1.
• [7] Nwanganga F., Chapple M., Praktyczne uczenie maszynowe w języku R. APN Promise, 2020.