基于组合Stacking 的心脏病患病情况评估模型研究

心脏病是对人类生命的一个威胁,如何发现被提早预防就显得尤为重要。以心脏病数据集为研究对象,对数据集进行简单介绍,对分类特征值和连续特征值与患病情况的关系进行分析;分别构建单一评估模型,如随机森林、人工神经网络、支持向量机、K最近邻等,分别对患病情况进行预测,结果表明人工神经网络预测效果最好,准确率为87.6%;我们采用组合Stacking模型后,发现组合Stacking模型的准确率为92.7%,比人工神经网络提高大约5%,而且通过训练集和测试集上各评价指标的比较发现,组合Stacking模型具有很好的泛化性能.