CLASSIFICAÇÃO DE DOENÇAS CARDIOVASCULARES UTILIZANDO APRENDIZADO DE MÁQUINA
Resumo
A doença cardiovascular é a principal causa de morte para homens e mulheres, sendo conhecida por silenciosa. O diagnóstico sobre a predisposição para doenças cardiovasculares, mostra-se problemas que precisam de atenção e ajudam a alertar o paciente de possíveis complicações futuras. Nisso, o uso de algoritmos de aprendizado de máquina simplificara a intervenção humana em análises e tomadas de decisões, agilizando esses diagnósticos prévios para diferentes doenças. Portanto, este trabalho apresenta um comparativo entre três algoritmos de aprendizado de máquina, sendo eles o K- Nearest Neighbor (KNN), a Árvore de Decisões e a Rede Neural Multicamadas Perceptron (MLP), para escolha de um modelo com obtenção de melhores resultados para classificação de saúde em relação a doenças cardiovasculares. Diante do analisado, a Árvore de Decisão apresentou melhores resultados de classificação superior a 96% de precisão.
Referências
GBD. Global Burden of Disease Study 2019. Global Health Data Exchange website [Internet]. Seattle, WA: Institute for Health Metrics and Evaluation (IHME), University of Washington; 2019. Acesso em: http:// ghdx.healthdata.org/gbd-results-tool
HAYKIN, S. Redes Neurais: Princípios e Prática. Artmed, 2007. ISBN 9788577800865isp.
MCKINNEY, Data structures for statistical computing in python, Proceedings of the 9th Python in Science Conference, Volume 445, 2010.
PEDREGOSA et al., Scikit-learn: Machine Learning in Python, JMLR 12, pp. 2825-2830, 2011.
PEDREGOSA et al., Developer, scikit-learn. Sklearn.metrics.precision_recall_fscore_support. Disponível em: sklearn.metrics.precision_recall_fscore_support — documentação scikit-learn 1.1.2. Acessado dia 01/11/2022.
Os artigos podem ser reproduzidos total ou parcialmente, desde que a fonte seja devidamente citada e seu uso seja para fins acadêmicos.