Estudo Comparativo de Técnicas de Classificação (SVM, Regressão Logística e Redes Neurais) para Prever a Prevalência de Doenças Cardíacas

Este artigo realiza um estudo comparativo de algoritmos de aprendizado de máquina comumente utilizados na previsão da prevalência de doenças cardíacas. Ele utiliza o conjunto de dados de Cleveland, disponível publicamente, e modelo as técnicas de classificação sobre ele. Aborda as diferenças entre diferentes modelos e avalia suas precisões na previsão de doenças cardíacas. Demonstramos que modelos menos complexos, como a regressão logística e máquinas de vetor de suporte com kernel linear, oferecem resultados mais precisos do que seus equivalentes mais complexos. Utilizamos a pontuação F1 e curvas ROC como medidas de avaliação. Através deste esforço, buscamos fornecer uma referência e melhorar as anteriores no campo de diagnósticos de doenças cardíacas utilizando técnicas de classificação de aprendizagem de máquina.