Краткое содержание

arXiv:2511.04971v1 Тип объявления: новый Аннотация: Точное прогнозирование риска сердечно-сосудистых заболеваний (ССЗ) имеет ключевое значение для медицинских учреждений. В данном исследовании рассматривается растущая распространенность диабета и его прочная связь с болезнями сердца путем разработки эффективной модели прогнозирования риска ССЗ у пациентов с диабетом с использованием методов машинного обучения (ML) и гибридных подходов глубокого обучения (DL). Набор данных BRFSS был предварительно обработан путём удаления дубликатов, обработки пропущенных значений, идентификации категориальных и числовых признаков, а также применением анализа главных компонент (PCA) для выделения признаков. Было реализовано несколько моделей машинного обучения, включая деревья решений (DT), случайный лес (RF), метод ближайших соседей (KNN), машины опорных векторов (SVM), AdaBoost и XGBoost, причем наибольшая точность — 0,9050 — была достигнута моделью XGBoost. Среди различных моделей глубокого обучения, таких как искусственные нейронные сети (ANN), глубокие нейронные сети (DNN), рекуррентные нейронные сети (RNN), сверточные нейронные сети (CNN), сети долгой краткосрочной памяти (LSTM), …