Exploración de datos y aprendizaje automático con R
SVM y regresión logística en el conjunto de datos de enfermedades cardíacas de Cleveland
Versandkostenfrei!
Versandfertig in 1-2 Wochen
30,99 €
inkl. MwSt.
PAYBACK Punkte
15 °P sammeln!
Las enfermedades cardiovasculares son comunes hoy en día en todos los grupos de edad de los pacientes. La predicción en fases tempranas puede ayudar a adaptar un estilo de vida saludable, de modo que se pueda evitar un alto riesgo de amenaza para la vida. Los investigadores están encontrando continuamente vínculos entre las fuentes de datos existentes para poder predecir las enfermedades cardíacas en sus primeras etapas. Existen técnicas de minería de datos probadas, como los árboles de decisión, la máquina de vectores de apoyo o la regresión logística, que son útiles para el pron...
Las enfermedades cardiovasculares son comunes hoy en día en todos los grupos de edad de los pacientes. La predicción en fases tempranas puede ayudar a adaptar un estilo de vida saludable, de modo que se pueda evitar un alto riesgo de amenaza para la vida. Los investigadores están encontrando continuamente vínculos entre las fuentes de datos existentes para poder predecir las enfermedades cardíacas en sus primeras etapas. Existen técnicas de minería de datos probadas, como los árboles de decisión, la máquina de vectores de apoyo o la regresión logística, que son útiles para el pronóstico de las enfermedades cardíacas. Esta investigación se centra en la predicción de las enfermedades del corazón mediante una máquina de vectores de apoyo y una técnica de regresión lineal. El conjunto de datos de enfermedades cardíacas de Cleveland se utiliza como conjunto de datos de muestra para encontrar la precisión de estas dos técnicas elegidas. La comparación muestra que la regresión logística da resultados más precisos que la máquina de vectores de apoyo en el conjunto de datos de enfermedades cardíacas. El análisis de la investigación se lleva a cabo en R, donde se analiza el conjunto de datos de enfermedades cardíacas de Cleveland y se implementan dos modelos (SVM y regresión logística) utilizando R. El proyecto se centra en la aplicación de las técnicas de máquina de vectores de apoyo y regresión logística en el conjunto de datos mencionado.
Andere Kunden interessierten sich für
