趙迪，康涅狄格大學研究生
Sai Jahnavi Gamalapati，康涅狄格大學研究生
心血管疾病是全球第一大死因，2019 年估計有 1790 萬人因此喪生，佔當年全球所有死亡人數的 32%。
心力衰竭是心血管疾病的常見病，該數據集包含 11 個特徵，可用於預測可能的心髒病。 預測結果可以幫助患有心血管疾病或心血管高危人群（由於存在一種或多種危險因素，如高血壓、糖尿病、高血脂或既定疾病）預測早期症狀，及時發現疾病風險。
該數據集包括來自不同國家的918名參與者和11個與心力衰竭相關的因素，如年齡、性別、血壓、血糖等。本研究計劃在JMP軟件中使用不同的分析模型對數據集進行統計分析，例如如神經網絡、邏輯分類器、隨機森林等。 通過比較模型性能選擇最優預測模型。
模型輸出將幫助人們了解導致心髒病的不同因素的重要性以及在特定條件下患心髒病的概率，幫助人們更加關注日常生活中的身體健康管理和疾病風險預測。
你好。 好的早晨，每個人。
這是賽亞克·拉米和我有我的隊友，折掉。
基本上，我們是A商業分析畢業學生
從康涅狄格大學斯坦福德校區。
小的關於我們的曝光到JMP。
我們有廣泛地用過的JMP
在我們的模型課程在我們的第一學期.
我們毛氈它是A非常簡單的和非常強大的工具，
和那裡是A很多我們能做從它。
我們是仍然探索這許多特徵的這JMP。
今天，我們是這裡到介紹我們在夏季所做的工作
那是一顆心失敗預言使用現代的放映平台。
我們是呼喚它改善因為我們使用一些JMP 平台
到槓桿作用預測。
未來到這議程今天，所以這是只是一個概述滑動
從哪個你會得到這要旨的什麼我們是正在做，
我們談過關於已關注經過這三幻燈片，
哪個我們在哪裡我們講話關於預處理
和一些設計開發，哪個我們有完畢，和這造型。
未來到這介紹，
我們知道那心血管疾病
是這數字一導致的這死亡在全球範圍內，
聲稱一個估計的的70.9十億生命在2019.
它帳戶為了大約32 %的死亡人數全世界每一個年。
在我們的問題，所以我們有採取聚集的數據放，
和我們發達A分類模型為了分類這心疾病。
我們還槓桿作用這預測使用這模型篩選，
模態的比較和依戀特徵在這JMP 16.
這模型輸出將要幫助在理解這重要性的因素
那是領導到心疾病和這可能性。
我們還尋找這可能性的發展這心疾病，
除非在C某些狀況。
總結我們的客觀的是到建造這最好的模型和尋找這因素
那是領導到這心失敗使用這JMP 16平台。
未來到A方法和小的關於我們的數據放，
這數據放包括大約918參與者從不同的國家。
那裡是11因素聯繫到心失敗，
這樣的作為年齡，性別，血壓力，和血葡萄糖。
我們如何去到我們的預測
是我們首先執行這預處理的這數據
經過探索如果那裡是任何丟失的價值觀或者任何異常值。
進一步地，我們已經執行這電子數據分析分析到理解這重要性
和這關係的這每個特徵在關係到這心失敗。
到建造這模型，
我們合併這遵循JMP 16能力在我們的方法。
這第一件事是這模型篩選。
哪個是一個高效的平台， A同時地配件，
比較和探索，選擇
和然後部署這最好的預測的模型。
這下一個來了這模型比較，哪個一個簡單的平台
到比較和選擇這最好的-表演預測的模型。
下一個儀表板來了是一個高效的方式
到更好的代表我們的電子數據分析簡明扼要。
我們能跑步任何時間作為這新的數據是可用的。
我是未來到我們的結果。
這是只是概述的這結果哪個我們有。
使用這模型篩選，
我們確定那這提升樹是我們的最好的模型。
我們選擇和我們有還不是只是在準確性。
我們重點在哪個是有這至少一速度，
因為我們做不是想我們的模型到有高的錯誤的優點，
因為我們不想這心速度，
喜歡心失敗預測患者不是到工作作為不是檢測到。
基於這，我們有選擇這提升樹作為我們的最好的模型。
未來到這柱子貢獻，
所以什麼時候我們是，什麼時候我們嘗試過到確認
什麼是這重要的因素那是導致這心失敗預言。
使用時這提升樹，
我們確定那運動性心絞痛，
所以哪個是如果A人有
這在-使用疼痛到期的到鍛煉
和還禁食Bs，血糖水平，
靜息心電圖，ST_slope，胸痛類型
11 個參數很少，
貢獻了大約 75% 的心力衰竭。
接下來是更深入的分析，折雕會是服用關心。
好的，之後放映通過這基本的信息的這數據，
這樣的作為目標特徵，預測的變量，數據類型，
我們的分析工作將要開始和數據打掃。
我們需要到交易和丟失的價值觀和全部圖層首先得到A乾淨的數據。
JMP提供A種類的方法到探索和交易和他們。
為了這丟失的價值， JMP可以展示這細節
在這概括桌子很少展示他們在細胞陰謀或者樹地圖。
今天，我們展示這統計桌子這裡，
哪個是還A方式到得到信息我們想。
我們能看那那裡是不丟失的價值在我們的數據。
但什麼時候你更遠探索這數據分配，你將要尋找那
一些指標使用這數字零到代替這丟失的價值。
我們對待這數據零和刪除和這媒體替代品因為
這價值的這帶領指標不能是零。
為了這異常值，
箱形圖和探索異常值模塊是常見的方法。
今天，我們使用這異常值安娜裂解函數，
和有A多變量模塊，
哪個反映這距離的A多維的空間
進入這馬氏距離圖形。
我們有保持這異常值在這個分析因為我們考慮那
這是一個常見的現象在醫療的測試結果。
後完成這些腳步，
我們得到這乾淨的數據，和然後我們進入這數據勘探階段。
在這步，我們建成一些通常用過的
這圖表到展示一些信息包含數量數據。
JMP提供我們許多選擇在這部分
這樣的作為樹地圖，戒指圖表，酒吧圖表和零。
從這些圖表，我們知道那這部分的男性
痛苦從心失敗是兩次那是女性。
80 %的患者和心失敗有糖尿病
和77人有不症狀的胸部疼痛，
哪個揭示這難以察覺的這疾病。
後我們畫這有用結論，
我們來到這造型階段到更遠探索這關係之間數據。
什麼時候你是正在做數據分析，
你可能通常思考什麼模型我想到建造，
或者什麼模型施行最好的。
模型放映功能在JMP幫助我們
解決這問題在一個非常直覺的方式。
你只是需要到拖這目標多變的
和這預言變量到這相應的職位。
JMP將幫助你跑步還合適的楷模。
在這分析，跳轉寫入九楷模自動地，
包括回歸模型，提升樹，神經無工作和所以在。
你能得到A詳細的和清除輸出。
如果你僅有的關心關於這結果，
這概括桌子能幫助你選擇這最好的模型，
無論你考慮剩餘的或者配件程度。
如果你想到知道這細節，
這參數和這結果的每個模型，
你只是需要到點擊這模型你想到看法在細節部分，
和你能理解這表現的這模型從全部方面。
這裡我們截距A參數，電腦矩陣和剖析器。
在剖析器，你能進入新的數據
到觀察這改變火車的每個多變的和得到這預測這結果。
我們看那這影響的年齡是不是重要的，
哪個可能是反擊到我們的組合。
在哪裡性別，糖尿病和ST_坡是這主要的影響因素。
而且，在這些結果，
我們支付注意力到這錯誤分類速度，
尤其是A錯誤的消極的價值，
因為它方法那這病人有心失敗，
和我們預測那他做不是，
哪個可能帶領到非常嚴肅的結果。
這最好的表現模型我們選擇在這分析是應該到減少
哪個有這最低這錯誤分類速度和這最高敏感性。
然後我們能節省全部這預測公式
和這結果為了使用在這模型比較。
型號對比提供更多的簡潔的和直覺的格式
到展示模型表現指標，
哪個是方便的為了我們到製作這最終的選擇。
現在，我拿通過到這最後的部分的我們的推介會，哪個是這儀表板。
使用這儀表板特徵，
我們創建A公用事業在哪裡我們添加一些重要的特徵，
哪個我們討論過前，和哪個是批判地影響這心速度。
這裡我們能相互影響經過提供這輸入
喜歡我能選擇男性或者女性，
和我們能甚至選擇這胸部疼痛類型。
還，什麼是這ST_s洛普圖案，和還，什麼是這過量的在基因組？
基於這，我能相互影響和這公用事業，
和還基於在那，它將要展示這可能性的這心速度，
哪個是A漂亮的有用特徵。
那來了到這最後的部分。
在結論，我只是想到總結。
我們使用這現代的屏幕平台，和通過哪個我們探索
最好的預測造型為了這心失敗預言。
我們還槓桿作用任何這工作我們嘗試使用這JMP 16儀表板。
哪個我們發展A公用事業到發展一個交互的平台
那產出這可能性的這心失敗基於在這輸入和參數。
那是全部我們有為了今天。
感謝你。
