Sélection de caractéristiques basée sur la méthode des moindres carrés pour les machines à vecteurs de support jumeaux pour le diagnostic des maladies cardiaques

Il est évident, à partir de diverses recherches, que le diagnostic des maladies utilisant des méthodes d'apprentissage automatique a rapidement augmenté. Dans ce travail de recherche, une méthode d'apprentissage automatique appelée machine à vecteurs de support jumeaux basée sur la sélection des caractéristiques (LSTSVM) est utilisée pour le diagnostic des maladies cardiaques. Dans cette approche, le score F est utilisé pour calculer le poids de chaque caractéristique, puis les caractéristiques sont sélectionnées en fonction de leur poids. Un poids plus élevé est attribué à la caractéristique ayant un score F élevé. Une approche de recherche en grille est également utilisée pour sélectionner la meilleure valeur des paramètres du classificateur afin d'améliorer sa performance. Le jeu de données sur les maladies cardiaques heartstatlog est utilisé dans cette étude, qui provient du dépôt UCI. La performance du modèle proposé avec différents ensembles de caractéristiques a été évaluée pour différents ensembles de données d'entraînement et de test. Les résultats indiquent que le modèle LSTSVM avec 11 caractéristiques a atteint la plus haute précision. Les résultats sont très prometteurs par rapport aux autres approches proposées auparavant.