MAKİNE ÖĞRENMESİ YÖNTEMLERİ İLE KALP HASTALIĞININ TEŞHİS EDİLMESİ

Abstract

Kalp hastalıkları, kalbe giden damarlarda tıkanıklık, kalp kapakçığında açıklık ya da kalbin beklenmedik herhangi bir yerinde oluşan bir sorun ile ortaya çıkar. Kalp Hastalığı riskini arttıran iki önemli faktör vardır. Bunlar Genetik Faktörler ve Çevresel Faktörlerdir. Kalp hastalıklarında en yaygın görünen damarlardaki plaklanmadan dolayı olan kalp krizidir. Kalp hastalıklarının en önemli belirtisi göğüs ağrısıdır ve araştırmalar bu ağrılar ile karşılaşan insanların yaş ortalamasının günden güne düştüğünü göstermektedir. Dünya Sağlık Örgütünün verilerine göre dolaşım sistemi hastalıkları adı altında Dünya’da her yıl 17,9 milyon insan kalp hastalıklarından, Türkiye’de ise Türkiye İstatistik Kurumu verilerine göre ortalama 168 bin insan hayatını kaybetmektedir. Kalp Hastalığı Göğüs Ağrısı, nefes darlığı, bayılma, yorulma ve halsizlik gibi etkileri olan ve günlük yaşantınızı olumsuz yönde etkileyecek bir hastalıktır. Erken teşhis konulduğunda hastalığın ileri safhalara geçmemesi ve tedavinin başlaması hastanın hayatını kurtarır. Bu çalışmada 165’i Kalp hastası olan 303 denekten oluşan Heart Disease UCI veri seti üzerinde cinsiyet, diyabet, yaş, kolesterol, göğüs ağrısı türleri gibi özelliklerle çeşitli makine öğrenmesi yöntemleri uygulanmıştır. Lojistik Regresyon, K-En Yakın Komşu, Destek Vektör Makineleri, Naive Bayes, Karar Ağacı, Rastgele Orman, LightGBM Model, XGBoost Model, Ridge Model ve Bagging Model algoritmaları karşılaştırılmış, çıkan sonuçlar değerlendirilmiş ve farklı parametreler kullanılarak Rastgele Orman Algoritması ile %90,16 oranında doğruluk değer elde edilmiştir.