Робота присвячена підготовці та розвідувальному аналізу даних для подальшого використання в інформаційно-аналітичній системі прогнозування ризиків серцево-судинних захворювань та мінімізації клінічних ризиків методами машинного навчання. Проведено комплексний аналіз структури медичного датасету «Heart Failure Prediction Dataset», досліджено розподіли категоріальних та числових ознак, а також виявлено закономірності розвитку патологій залежно від вікових характеристик, типу болю в грудях, наявності стенокардії та специфічних змін сегмента ST на електрокардіограмі.

Exploratory Data Analysis for Cardiovascular Disease Prediction Using Machine Learning Methods

Abstract: The paper is devoted to the preparation and exploratory data analysis for further use in the information-analytical system of predicting cardiovascular disease risks and minimizing clinical risks using machine learning methods. A comprehensive analysis of the structure of the medical dataset "Heart Failure Prediction Dataset" was conducted, the distributions of categorical and numerical features were investigated, and the regularities of pathology development depending on age characteristics, chest pain type, exercise-induced angina, and specific ST segment changes on the electrocardiogram were revealed.