使用机器学习与SHAP可解释性的心脏病发作风险预测
基于患者健康数据（胆固醇、年龄、血压等）的表格数据集，用于心脏病发作风险预测，采用随机森林和XGBoost模型，结合SHAP可解释性。
基本信息
资源简介
使用机器学习与SHAP可解释性的心脏病发作风险预测
【数据集背景】
本数据集源站标题为《Heart Attack Risk Prediction Using Machine Learning and SHAP Explainability》。源站首次发布：2025-06-14。
【数据内容】
源站原始描述：Heart disease remains one of the leading causes of mortality worldwide. Early detection of heart attack risk is crucial for timely intervention. In this study, we employ Random Forest and XGBoost models for predictive analysis of patient health data. In addition, SHAP explainability enhances the interpretation of the model, identifying key risk factors such as cholesterol levels, age, and blood pressure. Our final XGBoost model achieves 87% accuracy, demonstrating reliable predictive capabilitie…
【数据结构与技术规格】
文件数 1 个，合计 467.16 KB。数据集 DOI：10.5281/zenodo.15663652。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://zenodo.org/records/15663652
使用许可：cc-by-4.0。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
