基于机器学习的心力衰竭分类：比较研究
该数据集来自 Mendeley Data，对应一项机器学习预测心力衰竭的比较研究，使用 Kaggle Heart Failure 数据，共 918 条样本、12 个关键特征，包含有心脏病 508 例与无心脏病 410 例
基本信息
资源简介
基于机器学习的心力衰竭分类：比较研究
Classification of Heart Failure Using Machine Learning: A Comparative Study
该数据集来自 Mendeley Data，对应一项机器学习预测心力衰竭的比较研究，使用 Kaggle Heart Failure 数据，共 918 条样本、12 个关键特征，包含有心脏病 508 例与无心脏病 410 例。数据经预处理去除离群值，并评估了随机森林、逻辑回归、多层感知机、决策树和 k 近邻五种模型，其中随机森林准确率最高（92%），F1 分数也确认其最优。该数据可用于心力衰竭的二分类建模、模型性能比较及特征影响分析（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2024-10-29。
【数据内容】
源站描述（机器翻译，仅供参考）：我们的研究表明，机器学习算法能够有效预测心力衰竭，并突出了可提高检测和治疗效果的高准确率模型。Kaggle“Heart Failure”数据集包含 918 个实例和 12 个关键特征，经预处理去除离群值，并呈现有心脏病与无心脏病病例的分布（分别为 508 例和 410 例）。共评估了五个模型：随机森林取得最高准确率（92%），并被确认为分类病例最有效的模型。逻辑回归和多层感知机也相当准确（89%），而决策树和 k 近邻表现较差，表明 k 近邻不太适合该数据。F1 分数确认随机森林为最优模型，受益于预处理和超参数调优。数据分析显示，年龄、血压和胆固醇相关
【数据结构与技术规格】
文件数 2 个，合计 1.45 MB。数据集 DOI：10.17632/959dxmgj8d.1。
【主题与分类】
主题标签：心力衰竭、机器学习、分类模型、随机森林、数据预处理、循环系统疾病。本站分类：循环系统疾病/心力衰竭。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/959dxmgj8d
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
数据集获取
源站：https://data.mendeley.com/datasets/959dxmgj8d
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 1.5 MB。
数据说明
Bryan Chulde (2024). Classification of Heart Failure Using Machine Learning: A Comparative Study [Dataset]. http://doi.org/10.17632/959dxmgj8d.1
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。
