Exploration des données et apprentissage automatique à l'aide de R

Les maladies cardiovasculaires sont aujourd'hui courantes chez les patients de tous âges. La prédiction à un stade précoce peut aider à adapter un mode de vie sain afin d'éviter un risque élevé de menace pour la vie. Les chercheurs s'efforcent continuellement de trouver des liens entre les sources de données existantes afin de pouvoir prédire les maladies cardiaques à un stade précoce. Il existe des techniques d'exploration de données éprouvées, telles que les arbres de décision, les machines à vecteurs de support et la régression logistique, qui sont utiles pour le pronostic des maladies cardiaques. Cette recherche se concentre sur la prédiction des maladies cardiaques en utilisant la machine à vecteur de support et la technique de régression linéaire. L'ensemble de données sur les maladies cardiaques de Cleveland est utilisé comme ensemble de données d'échantillon pour trouver la précision de ces deux techniques choisies. La comparaison montre que la régression logistique donne des résultats plus précis que la machine à vecteur de support sur le jeu de données des maladies cardiaques. L'analyse de la recherche est menée dans le script R où le jeu de données sur les maladies cardiaques de Cleveland est analysé et deux modèles (SVM, régression logistique) sont mis en ¿uvre à l'aide de R. Le projet se concentre sur l'application des techniques de machine à vecteur de support et de régression logistique sur le jeu de données mentionné ci-dessus.