Introducing

   在检测心血管疾病的早期症状时 机器学习 就能派上用场了。 现有的患者电子医疗记录量化了症状、身体特征和临床实验室测试值，可用于进行生物统计分析，以突出显示医生无法检测到的模式和相关性。特别是机器学习，它可以从患者的数据中预测患者的生存，并可以在他们的医疗记录中个性化最重要的特征。

   为了介绍，这里有原文章 Machine learning can predict survival of patients with heart failure from serum creatinine and ejection fraction alone.

   从https://archive.ics.uci.edu/下载的心力衰竭临床记录数据（对2015年收集的299例心力衰竭患者数据集）进行分析。我们应用了几个机器学习分类器来预测患者的生存，并根据最重要的危险因素对特征进行排序，构建仅基于这两个因素 （血清肌酐和射血分数） 构建机器学习生存预测模型。 下载测试数据