Seleção de Atributos baseada na Máquina de Vetores de Suporte Gêmeos com Mínimos Quadrados para Diagnóstico de Doenças Cardíacas

É evidente a partir de várias pesquisas que o diagnóstico de doenças usando métodos de aprendizado de máquina tem aumentado rapidamente. Neste trabalho de pesquisa, a Máquina de Vetores de Suporte Gêmeos com Mínimos Quadrados (LSTSVM), que é um método de aprendizado de máquina, é utilizada para o diagnóstico de doenças cardíacas. Nesta abordagem, a pontuação F é utilizada para calcular o peso de cada atributo e, em seguida, os atributos são selecionados de acordo com seu peso. Um peso maior é atribuído ao atributo que possui alta pontuação F. A abordagem de busca em grade também é utilizada para selecionar o melhor valor dos parâmetros do classificador, a fim de melhorar seu desempenho. O conjunto de dados da doença heartstatlog é utilizado neste estudo, que é retirado do repositório UCI. O desempenho do modelo proposto com diferentes conjuntos de atributos foi avaliado para diferentes conjuntos de dados de treinamento e teste. Os resultados indicam que o modelo LSTSVM com 11 atributos alcançou a maior precisão. Os resultados são muito promissores em comparação com outras abordagens propostas anteriormente.