Atena Editora

Com o aumento progressivo do

número de óbitos recorrentes de Doenças

Cardiovasculares no mundo, este assunto vem

sendo cada vez mais abordado em estudos

de diferentes áreas. Utilizando treze variáveis

além do resultado de diagnose presentes na

Heart Diseases Database, fez-se possível a

caracterização de pacientes a partir de dois

modelos. Em um modelo dito completo, no qual

os pacientes foram classificados por Máquina

de Vetor de Suporte, e foi considerado melhor

devido sua estabilidade, obteve-se em sua

melhor simulação, dentre 100 realizadas, uma

acurácia de 92.1% acompanhada de 6.8%

de falso negativo. Enquanto para o modelo

fit, no qual as variáveis foram selecionadas

por Regressão Linear e posteriormente

classificadas por SVM, a acurácia foi de 89.8%

e o falso negativo de 11.1%.

Ler mais

DOI: 10.22533/at.ed.50719240510
Palavras-chave: Inteligência Computacional, Doenças Cardiovasculares, Regressão Linear Múltipla, Máquina de Vetor de Suporte
Keywords: Computational Intelligence, Cardiovascular Diseases, Multiple Linear Regression, Support Vector Machine
Abstract:
With the progressive increase in

the number of recurrent deaths of Cardiovascular

Diseases in the world, this subject has been

increasingly approached in studies of different

areas. Using thirteen variables in addition to the

diagnosis results present in the Heart Diseases

Database, it became possible to characterize

patients from two models. In a complete said

model, in which the patients were classified

by the Support Vector Machine, and was

considered better due to their stability, the best

simulation was obtained, among 100 performed,

an accuracy of 92.1% accompanied by 6.8% of

false negative. For the fit model, in which the

variables were selected by Linear Regression

and later classified by SVM, the accuracy

was 89.8% and the false negative was 11.1%.
Número de páginas: 15

Download

Artigo