机器学习与供应链服务：技术融合推动行业发展

# 机器学习与供应链服务：技术融合推动行业发展 ## 1. 机器学习在心脏病预测中的应用 ### 1.1 增强堆叠集成学习 在给定数据集上预测最佳表现的学习器往往具有挑战性。增强堆叠学习器涉及为分类问题选择一组重要算法，并使用高级采样方法评估规定模型在数据上的个体效率。其流程如下： ```mermaid graph LR A[选择重要算法] --> B[使用高级采样方法评估] B --> C[得出评估结果] ``` ### 1.2 实验结果分析 实验在 Google Colab 平台上使用 Python 语言进行。研究中对特征选择前后的数据集分别应用了 SVC、XGB、ET、KNN、DT、RF 和 MLP 机器学习分类器，并从多个属性对性能进行了评估。 #### 特征选择情况 | S. No | Feature | Outcome | Remark | Accuracy | | ---- | ---- | ---- | ---- | ---- | | 1 | Age | 1 | Selected | 89.45% | | 2 | Sex | 1 | Selected | | | 3 | Chest Pain | 1 | Selected | | | 4 | resting bp s | 1 | Selected | | | 5 | cholesterol | 0 | Rejected | | | 6 | fasting blood sugar | 1 | Selected | | | 7 | resting ecg | 0 | Rejected | | | 8 | max heart rate | 0 | Rejected | | | 9 | exercise | 1 | Selected | | | 10 | oldpeak | 1 | Selected | | | 11 | ST slope | 0 | Rejected | | #### 不同模型性能分析 | Model | Without feature selection - Accuracy | Without feature selection - Precision | Without feature selection - F1 Score | Without feature selection - ROC | With feature selection - Accuracy | With feature selection - Precision | With feature selection - F1 Score | With feature selection - ROC | | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | | GA_SVC | 0.84 | 0.9 | 0.85 | 0.84 | 0.84 | 0.86 | 0.85 | 0.84 | | GA_XGB | 0.88 | 0.88 | 0.89 | 0.88 | 0.88 | 0.88 | 0.89 | 0.88 | | GA_ET | 0.91 | 0.9 | 0.92 | 0.91 | 0.93 | 0.91 | 0.94 | 0.91 | | GA_KNN | 0.85 | 0.87 | 0.86 | 0.85 | 0.85 | 0.