多类心脏病检测、分类与预测的机器学习模型

本研究旨在应对孟加拉国心脏病检测系统的缺乏以及数据不足的问题，提出了新的伦理来源心脏病数据集BIG-Dataset和CD数据集，并应用先进的机器学习技术（如逻辑回归和随机森林）进行分析。研究成果显示，使用随机森林模型达到了高达96.6%的测试准确率，提供了一种实时、准确的心脏病诊断和个性化医疗建议的新方法，有望降低死亡率并改善临床效果。