Bài thuyết trình Ứng dụng khai thác dữ liệu (Data Mining and Application): Heart Failure Prediction

Tài liệu này trình bày về việc xây dựng mô hình dự đoán suy tim sử dụng các kỹ thuật học máy. Mục tiêu là cung cấp một công cụ hỗ trợ các chuyên gia y tế trong việc chẩn đoán và điều trị bệnh tim mạch.

Sinh viên, nhà nghiên cứu, chuyên gia y tế quan tâm đến lĩnh vực học máy và ứng dụng trong y học, đặc biệt là dự đoán bệnh tim mạch.

Tài liệu này tập trung vào việc xây dựng và đánh giá các mô hình học máy để dự đoán suy tim, một biến cố phổ biến do các bệnh tim mạch (CVDs) gây ra, vốn là nguyên nhân gây tử vong hàng đầu trên toàn cầu. Nghiên cứu sử dụng bộ dữ liệu Heart Failure Prediction từ Kaggle, bao gồm thông tin từ 5 tập dữ liệu khác nhau về bệnh tim. Quá trình tiền xử lý dữ liệu bao gồm xử lý các điểm ngoại biên và chuyển đổi định dạng dữ liệu. Các mô hình học máy được lựa chọn là XGBoost và mạng nơ-ron (Neural Network), được tối ưu hóa thông qua tìm kiếm siêu tham số. Kết quả thực nghiệm cho thấy cả hai mô hình đều đạt hiệu suất tốt, với XGBoost có phần vượt trội hơn về F1-score, Precision, Recall và AUC. Hướng phát triển trong tương lai bao gồm thu thập thêm dữ liệu và khám phá các phương pháp tiếp cận mới để nâng cao hiệu suất của mô hình.