تتناول الدراسة الحاجة الملحة لتحسين توقع المخاطر لأمراض القلب والأوعية الدموية (CVDs)، التي تظل سببًا رئيسيًا للوفيات على مستوى العالم. تقدم إطار عمل هجين للتعلم الجماعي يدمج نماذج التعلم الآلي المتقدمة، وتحديدًا تعزيز التدرج، CatBoost، والشبكات العصبية، ضمن بنية جماعية مكدسة. يعزز هذا النهج الأداء التنبؤي، محققًا درجة AUC-ROC تبلغ 0.82، إلى جانب مقاييس الدقة،…

تقدم ورقة البحث نموذجًا جديدًا لتوقع أمراض القلب والأوعية الدموية، يسمى MFS-DLPSO-XGBoost، والذي يدمج تقنيات اختيار الميزات المتعددة، وخوارزمية تحسين سرب الجسيمات المحسنة (PSO)، وخوارزمية تعزيز التدرج الشديد (XGBoost). يبدأ النموذج بمعالجة البيانات، تليها تدريب نموذج XGBoost ومقارنة أدائه مع أربعة خوارزميات تعلم آلي معروفة: الانحدار اللوجستي، آلة الدعم الناقل، الغابة العشوائية، وجار الأقرب K.…