В главе рассмотрены существующие методы машинного обучения, решающие задачу прогнозирования, и обозначены их недостатки. Предложен и обоснован метод, решающий задачу прогнозирования посредством агрегирования результатов двух алгоритмов машинного обучения (Обобщенная Линейная Модель и Машина опорных векторов), противоположных по природе. Рассмотрена проблема сердечно- сосудистых заболеваний и выдвинута гипотеза о применимости данного метода для ранней диагностики этих заболеваний. Проведено исследование метода на примере трех различных наборов данных анализов пациентов и их анамнеза для оценки рисков кардиологических заболеваний, подтвердившее эффективность разработанного подхода для решения задачи ранней диагностики сердечно-сосудистых заболеваний.

The prediction problem, the existing machine learning methods and related issues are considered in the chapter. The modification of the bagging method, which aggregates two fundamentally different machine learning algorithms (Generalized Liner Model and Support Vector Machine), is proposed and justified. The research of the method based on three different heart disease datasets. It confirms the effectiveness of the method for solving problem of risk estimation of the cardiovascular disease.

Машинное обучение в исследованиях медико-биологических и социально-экономических данных: сборник научных трудов / Санкт-Петербургский политехнический университет Петра Великого; под редакцией К. А. Найденовой [и др.]. — Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2020 (Санкт-Петербург, 2020). — 1 файл (12,3 Мб). — Загл. с титул. экрана. — Содерж. и рез. на англ. яз. — Электронная копия печатной публикации 2020 г. — Доступ по паролю из сети Интернет (чтение, печать). — <URL:http://elib.spbstu.ru/dl/2/id20-58.pdf>. — DOI 10.18720/SPBPU/2/id20-58. — Текст: электронный