Heart Failure Prediction Dataset

In this repository I learnt kaggle CVD dataset (https://www.kaggle.com/datasets/fedesoriano/heart-failure-prediction).
EDA was made and ML-model was trained.

Data

1. Age: age of the patient, years;
2. Sex: sex of the patient:
   M - Male,
   F - Female;
3. ChestPainType: chest pain type:
   TA - Typical Angina,
   ATA - Atypical Angina,
   NAP - Non-Anginal Pain,
   ASY - Asymptomatic;
4. RestingBP: resting blood pressure, mm Hg;
5. Cholesterol: serum cholesterol, mm/dl;
6. FastingBS: fasting blood sugar:
   1 - if FastingBS > 120 mg/dl,
   0 - otherwise;
7. RestingECG: resting electrocardiogram results:
   Normal - Normal,
   ST - having ST-T wave abnormality (T wave inversions and/or ST elevation or depression of > 0.05 mV),
   LVH - showing probable or definite left ventricular hypertrophy by Estes' criteria;
8. MaxHR: maximum heart rate achieved, bpm;
9. ExerciseAngina: exercise-induced angina:
   Y - Yes,
   N - No;
10. Oldpeak: oldpeak = ST, Numeric value measured in depression;
11. ST_Slope: the slope of the peak exercise ST segment:
    Up: upsloping,
    Flat: flat,
    Down: downsloping;
12. HeartDisease: output class:
    1 - heart disease,
    0 - Normal.

EDA

Рассмотрим количественные признаки и их отношения с целевым признаком:

• Средний возраст здорового человека ниже среднего возраста больного;
• Больные ССЗ в среднем имеют более выское кровяное давление в спокойном состоянии, чем здоровые;
• Уровень холестерина в крови у больных и здоровых пациентов в среднем не отличается;
• У людей с сердечно-сосудистыми заболеваниями в среднем более низкий пульс;
• Сильные различия между группами пациентов наблюдаются в показаниях депрессии сегмента ST рассмотренного совместно с T-волной на ЭКГ.

Перечисленные выше выводы являются статистически значимыми на при принятом уровне значимости $\alpha = 0.05$. Кроме вывода о равенстве уровня холестерина - это утверждение будет статистически значимым при $\alpha = 0.001$.

Составим усредненный портрет больного ССЗ:

1. Мужчина;
2. Жалуется на бессимптомную боль в груди;
3. Наличие аномалии зубца ST-T на ЭКГ;
4. Наблюдается стенокардия, вызванная физической нагрузкой;
5. Плоский пиковый ST-сегмент;
6. Уровень сахара в крови натощак больше 120 мг/дл.

Models

Decision Tree

Описание узла дерева:

• Первоя строка - условие разделения, налево - True, направо - False;
• Вторая строка samples - количество пациентов в этом узле/листе;
• Третья строка values - разделение пациентов [ЕСТЬ ССЗ, НЕТ ССЗ];
• Четвертая строка - метка класса.

Если безприкословно слушаться этой схемы, то можно определять наличие или отсутствие ССЗ в точностью 81,35%, чего делать не рекомендуется.
Данная схема играет роль вспомогательного инструмента врача при диагностике заболеваний.

Final metrics

Способ объединения моделей:
final preds = $\dfrac{\displaystyle\sum_{i=1}^{n} y_ic_i} {\displaystyle\sum_{i=1}^{n} c_i}$, где

• $y_i$ - перекодированное предсказание i-ой модели, $y_i$ ~ $[-1; 1]$
• $c_i$ - среднее метрик качества i-ой модели.

ML Results & Conclusions

Таким образом, была построена модель, конечным предсказанием которой является взвешенное по основным метрикам предсказание других моделей машинного обучения:

1. Метод Опроных Векторов;
2. Случайный Лес;
3. Логистическая Регрессия;
4. Градиентный бустинг.

Такое объединение не дало увеличения метрик.
Наулучшей одиночной моделью является градиентный бустинг.