A-Comparative-Machine-Learning-Framework-for-Heart-Attack-Risk-Prediction-Using-Data-Preprocessing
नैदानिक जोखिम भविष्यवाणी के लिए मशीन लर्निंग मॉडल की तुलना करें।
SMOTE, क्रॉस-वैलिडेशन और मल्टी-मॉडल मूल्यांकन की विशेषता वाला तुलनात्मक ML पाइपलाइन।
यह ओपन-सोर्स पाइथन फ्रेमवर्क रोगी के जनसांख्यिकीय, जीवनशैली और नैदानिक डेटा का उपयोग करके हार्ट अटैक के जोखिम की भविष्यवाणी करने के लिए सुपरवाइज्ड मशीन लर्निंग एल्गोरिदम की तुलना करता है। यह डेटा वैज्ञानिकों और स्वास्थ्य सेवा शोधकर्ताओं के लिए उपयुक्त है जो भविष्यवाणमय नैदानिक मॉडल बना रहे हैं।
यह क्या है
यह रोगी के रिकॉर्ड को इनपुट करता है, SMOTE और क्लास वेटिंग के माध्यम से क्लास असंतुलन को संभालता है, हाइपरपैरामीटर ऑप्टिमाइजेशन करता है, और पांच-गुना क्रॉस-वैलिडेशन चलाता है। आप केवल सटीकता पर भरोसा करने के बजाय सटीकता (accuracy), रिकॉल, F1-स्कोर और ROC-AUC जैसे मेट्रिक्स पर मॉडल का मूल्यांकन करते हैं।
किसके लिए
यह पाइथन में नैदानिक जोखिम भविष्यवाणी मॉडल विकसित करने वाले डेटा वैज्ञानिकों और स्वास्थ्य सेवा विश्लेषकों के लिए उपयुक्त है। यह गैर-तकनीकी चिकित्सकों या ऐसे दलों के लिए उपयुक्त नहीं है जिन्हें तुरंत उपयोग के लिए तैयार प्रोडक्शन-रेडी वेब एप्लिकेशन की आवश्यकता हो।
मुख्य विशेषताएँ
मल्टी-मॉडल तुलना
लॉजिस्टिक्स Regression, रैंडम फॉरेस्ट, डिसीजन ट्री, ग्रेडिएंट बूस्टिंग, LightGBM, AdaBoost और MLP न्यूरल नेटवर्क का मूल्यांकन करता है।
क्लास असंतुलन संभालना
उच्च जोखिम वाली कार्डियक घटनाओं के लिए अल्पसंख्यक-वर्ग की पहचान में सुधार करने के लिए SMOTE और क्लास वेटिंग लागू करता है।
हाइपरपैरामीटर ऑप्टिमाइजेशन
ओवरफिटिंग को कम करने के लिए पांच-गुना क्रॉस-वैलिडेशन के साथ मॉडल कॉन्फ़िगरेशन को ट्यून करता है।
व्यापक मेट्रिक्स
सटीकता, प्रेसिजन, रिकॉल, F1-स्कोर, ROC-AUC और कन्फ्यूजन मैट्रिक्स का उपयोग करके प्रदर्शन को मापता है।
3 चरणों में तैयार
हमारा ईमानदार फैसला
क्या अच्छा है
- एक ही फ्रेमवर्क में सात अलग-अलग सुपरवाइज्ड मशीन लर्निंग मॉडल की तुलना करता है।
- SMOTE के साथ क्लास असंतुलन को संभालने के लिए स्पष्ट चरण शामिल हैं।
- ओवरफिटिंग से बचाव के लिए पांच-गुना क्रॉस-वैलिडेशन लागू करता है।
- रिकॉल और F1-स्कोर का उपयोग करके बुनियादी सटीकता से परे नैदानिक प्रदर्शन का मूल्यांकन करता है।
कहाँ कमी है
- रिपॉजिटरी मेटाडेटा में बताए गए ओपन सोर्स लाइसेंस की कमी है।
- Jupyter Notebooks के भीतर पाइथन कोड लिखने और निष्पादित करने की आवश्यकता है।
- प्रोडक्शन वेब तैनाती इंटरफ़ेस या API एंडपॉइंट शामिल नहीं है।
मूल्य & लाइसेंस
The code is available for download, though the repository does not state a specific open source license. There are no paid hosted options mentioned in the README, so the only cost is your time running it.
हिंदी बोलने वालों के लिए जॉब्स
870 खुले रिमोट AI-ट्रेनिंग रोल, 14 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$170 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
विकल्प
इसे उपयोग करें, या हमसे सेट करवाएं
सामान्य प्रश्न
फ्रेमवर्क किस डेटासेट का उपयोग करता है?
यह Kaggle से प्राप्त जनसांख्यिकीय, शारीरिक और नैदानिक चर वाले हार्ट अटैक रिस्क प्रेडिक्शन डेटासेट का उपयोग करता है।
किन मशीन लर्निंग एल्गोरिदम की तुलना की जाती है?
फ्रेमवर्क लॉजिस्टिक्स Regression, रैंडम फॉरेस्ट, डिसीजन ट्री, ग्रेडिएंट बूस्टिंग, LightGBM, AdaBoost और MLP न्यूरल नेटवर्क की तुलना करता है।
फ्रेमवर्क क्लास असंतुलन को कैसे संभालता है?
यह प्रशिक्षण प्रक्रिया के दौरान सिंथेटिक माइनॉरिटी ओवरसैंपलिंग तकनीक (SMOTE) और क्लास वेटिंग का उपयोग करता है।
