Métrica para validação de modelos preditivos classificatórios para prever o risco de ataque cardíaco

Resumo

A presença dos métodos de aprendizado da máquina hoje é uma constante em todos os discursos referentes à relação entre o homem e a máquina, desde palestras em cursos universitários à discursos políticos. Todo o desenvolvimento deste trabalho foi efetuado em linguagem Python, utilizando bibliotecas pré-definidas, uma vez que já se conhece que a linguagem é propícia para análise de dados e Data Science. Destaca-se o potencial desses modelos de machine learning na previsão de eventos cardiovasculares, oferecendo uma oportunidade para identificar precocemente pacientes em risco e personalizar intervenções para melhorar os resultados e a qualidade de vida. Esta pesquisa buscou aplicar e avaliar as métricas de acurácia, precisão, recall, f1-score, FMI e AUC da curva ROC para validar os resultados da predição do Random Forest quanto ao risco de infarto do miocárdio em um banco de dados de 918 pacientes.