MS student in Applied Data Analytics
магистрант департамента по прикладной аналитике данных
PhD of Philosophy, Senior Researcher of the Department of Differential Equations
доктор философии, старший научный сотрудник департамента дифференциальных уравнений, Институт математики и математического моделирования
The study aims to accurately predict the presence of heart disease using machine learning models. The research evaluates and compares the performance of five algorithms - Logistic Regression, Support Vector Machine (SVM), Decision Tree, Random Forest, and Gradient Boosting - on a dataset containing clinical features of patients. The primary research question is to identify which algorithm demonstrates the best predictive performance for heart disease diagnosis. The study used a dataset of 270 patients with 13 clinical features. The data was preprocessed, and target variables were converted into binary values for classification. The dataset was split into training and test sets in a 70-30 ratio. Five machine learning models were trained and evaluated using metrics such as accuracy, precision, recall, F1-score, and ROC-AUC. Confusion matrices were analyzed to gain additional insights into model performance. Logistic Regression and Random Forest showed the best results among all models, with an accuracy of 86.4 and 80.2%, respectively. The Logistic Regression showed a ROC-AUC score of 0.844, while the Random Forest showed a score of 0.88. The confusion matrices revealed the strengths and weaknesses of each model in terms of forecasting. Logistic Regression and Random Forest were identified as the most reliable models for predicting heart disease in this dataset. Future work will explore hyperparameter tuning and ensemble methods to further enhance model performance, providing valuable insights for early diagnosis and treatment of cardiovascular diseases.
Цель исследования - точное предсказание наличия сердечно-сосудистых заболеваний с помощью моделей машинного обучения. Оценивалась и сравнивалась эффективность пяти алгоритмов: логистической регрессии, машины опорных векторов, дерева решений, случайного леса и градиентного бустинга на наборе данных, содержащем клинические характеристики пациентов. Определялось, какой из алгоритмов демонстрирует наилучшие прогностические характеристики для диагностики заболеваний сердца. Использован набор данных 270 пациентов с 13 клиническими признаками. Данные были предварительно обработаны, а целевые переменные преобразованы в бинарные значения для классификации. Набор данных был разделен на обучающий и тестовый в соотношении 70-30. Пять моделей машинного обучения были обучены и оценены с помощью таких метрик, как точность, recall, precision, F1-score и ROC-AUC. Для получения дополнительной информации о производительности моделей были проанализированы матрицы ошибок. В результате логистическая регрессия и случайный лес показали наилучшие результаты среди всех моделей с точностью 86,4 и 80,2 %, соответственно. Логистическая регрессия продемонстрировала ROC-AUC на уровне 0,844, а случайный лес - 0,88. С помощью матриц путаницы выявлены прогностические достоинства и недостатки каждой модели. Авторами сделаны следующие выводы: логистическая регрессия и случайный лес были определены как наиболее надежные модели для прогнозирования сердечно-сосудистых заболеваний в этом наборе данных. В дальнейшем планируется изучение методов настройки гиперпараметров и ансамбля для повышения эффективности моделей, что позволит получать ценные сведения для ранней диагностики и лечения сердечно-сосудистых заболеваний.