赵迪，康涅狄格大学研究生
Sai Jahnavi Gamalapati，康涅狄格大学研究生
心血管疾病是全球第一大死因，2019 年估计有 1790 万人因此丧生，占当年全球所有死亡人数的 32%。
心力衰竭是心血管疾病的常见病，该数据集包含 11 个特征，可用于预测可能的心脏病。 预测结果可以帮助患有心血管疾病或心血管高危人群（由于存在一种或多种危险因素，如高血压、糖尿病、高血脂或既定疾病）预测早期症状，及时发现疾病风险。
该数据集包括来自不同国家的918名参与者和11个与心力衰竭相关的因素，如年龄、性别、血压、血糖等。本研究计划在JMP软件中使用不同的分析模型对数据集进行统计分析，例如如神经网络、逻辑分类器、随机森林等。 通过比较模型性能选择最优预测模型。
模型输出将帮助人们了解导致心脏病的不同因素的重要性以及在特定条件下患心脏病的概率，帮助人们更加关注日常生活中的身体健康管理和疾病风险预测。
你好。 好的早晨，每个人。
这是赛亚克·拉米和我有我的队友，折掉。
基本上，我们是A商业分析毕业学生
从康涅狄格大学斯坦福德校区。
小的关于我们的曝光到JMP。
我们有广泛地用过的JMP
在我们的模型课程在我们的第一学期.
我们毛毡它是A非常简单的和非常强大的工具，
和那里是A很多我们能做从它。
我们是仍然探索这许多特征的这JMP。
今天，我们是这里到介绍我们在夏季所做的工作
那是一颗心失败预言使用现代的放映平台。
我们是呼唤它改善因为我们使用一些JMP 平台
到杠杆作用预测。
未来到这议程今天，所以这是只是一个概述滑动
从哪个你会得到这要旨的什么我们是正在做，
我们谈过关于已关注经过这三幻灯片，
哪个我们在哪里我们讲话关于预处理
和一些设计开发，哪个我们有完毕，和这造型。
未来到这介绍，
我们知道那心血管疾病
是这数字一导致的这死亡在全球范围内，
声称一个估计的的70.9十亿生命在2019.
它帐户为了大约32 %的死亡人数全世界每一个年。
在我们的问题，所以我们有采取聚集的数据放，
和我们发达A分类模型为了分类这心疾病。
我们还杠杆作用这预测使用这模型筛选，
模态的比较和依恋特征在这JMP 16.
这模型输出将要帮助在理解这重要性的因素
那是领导到心疾病和这可能性。
我们还寻找这可能性的发展这心疾病，
除非在C某些状况。
总结我们的客观的是到建造这最好的模型和寻找这因素
那是领导到这心失败使用这JMP 16平台。
未来到A方法和小的关于我们的数据放，
这数据放包括大约918参与者从不同的国家。
那里是11因素联系到心失败，
这样的作为年龄，性别，血压力，和血葡萄糖。
我们如何去到我们的预测
是我们首先执行这预处理的这数据
经过探索如果那里是任何丢失的价值观或者任何异常值。
进一步地，我们已经执行这电子数据分析分析到理解这重要性
和这关系的这每个特征在关系到这心失败。
到建造这模型，
我们合并这遵循JMP 16能力在我们的方法。
这第一件事是这模型筛选。
哪个是一个高效的平台， A同时地配件，
比较和探索，选择
和然后部署这最好的预测的模型。
这下一个来了这模型比较，哪个一个简单的平台
到比较和选择这最好的-表演预测的模型。
下一个仪表板来了是一个高效的方式
到更好的代表我们的电子数据分析简明扼要。
我们能跑步任何时间作为这新的数据是可用的。
我是未来到我们的结果。
这是只是概述的这结果哪个我们有。
使用这模型筛选，
我们确定那这提升树是我们的最好的模型。
我们选择和我们有还不是只是在准确性。
我们重点在哪个是有这至少一速度，
因为我们做不是想我们的模型到有高的错误的优点，
因为我们不想这心速度，
喜欢心失败预测患者不是到工作作为不是检测到。
基于这，我们有选择这提升树作为我们的最好的模型。
未来到这柱子贡献，
所以什么时候我们是，什么时候我们尝试过到确认
什么是这重要的因素那是导致这心失败预言。
使用时这提升树，
我们确定那运动性心绞痛，
所以哪个是如果A人有
这在-使用疼痛到期的到锻炼
和还禁食Bs，血糖水平，
静息心电图，ST_slope，胸痛类型
11 个参数很少，
贡献了大约 75% 的心力衰竭。
接下来是更深入的分析，折雕会是服用关心。
好的，之后放映通过这基本的信息的这数据，
这样的作为目标特征，预测的变量，数据类型，
我们的分析工作将要开始和数据打扫。
我们需要到交易和丢失的价值观和全部图层首先得到A干净的数据。
JMP提供A种类的方法到探索和交易和他们。
为了这丢失的价值， JMP可以展示这细节
在这概括桌子很少展示他们在细胞阴谋或者树地图。
今天，我们展示这统计桌子这里，
哪个是还A方式到得到信息我们想。
我们能看那那里是不丢失的价值在我们的数据。
但什么时候你更远探索这数据分配，你将要寻找那
一些指标使用这数字零到代替这丢失的价值。
我们对待这数据零和删除和这媒体替代品因为
这价值的这带领指标不能是零。
为了这异常值，
箱形图和探索异常值模块是常见的方法。
今天，我们使用这异常值安娜裂解函数，
和有A多变量模块，
哪个反映这距离的A多维的空间
进入这马氏距离图形。
我们有保持这异常值在这个分析因为我们考虑那
这是一个常见的现象在医疗的测试结果。
后完成这些脚步，
我们得到这干净的数据，和然后我们进入这数据勘探阶段。
在这步，我们建成一些通常用过的
这图表到展示一些信息包含数量数据。
JMP提供我们许多选择在这部分
这样的作为树地图，戒指图表，酒吧图表和零。
从这些图表，我们知道那这部分的男性
痛苦从心失败是两次那是女性。
80 %的患者和心失败有糖尿病
和77人有不症状的胸部疼痛，
哪个揭示这难以察觉的这疾病。
后我们画这有用结论，
我们来到这造型阶段到更远探索这关系之间数据。
什么时候你是正在做数据分析，
你可能通常思考什么模型我想到建造，
或者什么模型施行最好的。
模型放映功能在JMP帮助我们
解决这问题在一个非常直觉的方式。
你只是需要到拖这目标多变的
和这预言变量到这相应的职位。
JMP将帮助你跑步还合适的楷模。
在这分析，跳转写入九楷模自动地，
包括回归模型，提升树，神经无工作和所以在。
你能得到A详细的和清除输出。
如果你仅有的关心关于这结果，
这概括桌子能帮助你选择这最好的模型，
无论你考虑剩余的或者配件程度。
如果你想到知道这细节，
这参数和这结果的每个模型，
你只是需要到点击这模型你想到看法在细节部分，
和你能理解这表现的这模型从全部方面。
这里我们截距A参数，电脑矩阵和剖析器。
在剖析器，你能进入新的数据
到观察这改变火车的每个多变的和得到这预测这结果。
我们看那这影响的年龄是不是重要的，
哪个可能是反击到我们的组合。
在哪里性别，糖尿病和ST_坡是这主要的影响因素。
而且，在这些结果，
我们支付注意力到这错误分类速度，
尤其是A错误的消极的价值，
因为它方法那这病人有心失败，
和我们预测那他做不是，
哪个可能带领到非常严肃的结果。
这最好的表现模型我们选择在这分析是应该到减少
哪个有这最低这错误分类速度和这最高敏感性。
然后我们能节省全部这预测公式
和这结果为了使用在这模型比较。
型号对比提供更多的简洁的和直觉的格式
到展示模型表现指标，
哪个是方便的为了我们到制作这最终的选择。
现在，我拿通过到这最后的部分的我们的推介会，哪个是这仪表板。
使用这仪表板特征，
我们创建A公用事业在哪里我们添加一些重要的特征，
哪个我们讨论过前，和哪个是批判地影响这心速度。
这里我们能相互影响经过提供这输入
喜欢我能选择男性或者女性，
和我们能甚至选择这胸部疼痛类型。
还，什么是这ST_s洛普图案，和还，什么是这过量的在基因组？
基于这，我能相互影响和这公用事业，
和还基于在那，它将要展示这可能性的这心速度，
哪个是A漂亮的有用特征。
那来了到这最后的部分。
在结论，我只是想到总结。
我们使用这现代的屏幕平台，和通过哪个我们探索
最好的预测造型为了这心失败预言。
我们还杠杆作用任何这工作我们尝试使用这JMP 16仪表板。
哪个我们发展A公用事业到发展一个交互的平台
那产出这可能性的这心失败基于在这输入和参数。
那是全部我们有为了今天。
感谢你。
