이 연구는 심근경색 환자의 사망률을 예측하기 위해 다양한 기계학습 모델을 조사하였다. 특히 LightGBM, XGBoost, CatBoost와 같은 앙상블 부스팅 트리 기법을 사용하였다. 이 모델들은 데이터 전처리, 특성 선택, 타겟 클래스 불균형 처리 등의 단계를 자체적으로 수행할 수 있어 성능이 우수한 것으로 나타났다. 또한 Tree SHAP 방법을 사용하여 모든 특성이 예측에 미치는 영향을 분석함으로써 모델의 설명 가능성을 높였다. 실험 결과, 전처리 없이 LightGBM 모델을 사용했을 때 가장 우수한 성능을 보였으며, F1 점수 91.2%, 정확도 91.8%를 달성하였다. 이를 통해 심근경색 환자의 사망률을 정확하게 예측할 수 있는 모델을 제시하였다.
To Another Language
from source content
arxiv.org
Deeper Inquiries