基于SVM算法的冠心病分类预测案例研究

目的 基于Python数据挖掘,利用支持向量机(SVM)算法分析及预测不同个体特征发生冠心病的风险.方法 收集来自美国The National Health and Nutritional Examination Survey(NHANES)网站的783个样本数据,经专家咨询提取相关特征,在Python中绘制图形进行数据特征和分布情况的可视化分析,建立和优化基于SVM算法的冠心病分类预测模型.结果 基于样本数据提取出21个相关特征,冠心病与脑卒中、心衰、年龄有正相关,老年人患病率较高;冠心病模型体现出了极其优秀的分类效果和对冠心病样本的识别能力,准确率达99.00％,冠心病数据的F1-score为97.00％.结论 本次建立的冠心病分类预测模型能够有效分析预测不同个体特征发生冠心病的风险,为冠心病的预防管理提供参考.