XGBoost

基于机器学习的冠心病风险预测与控制策略研究

基于 Framingham 数据集，使用 SMOTE-ENN 处理类别不平衡、LASSO 回归进行特征筛选、XGBoost 构建预测模型和 SHAP 进行可解释性分析，完整记录冠心病风险预测的数据挖掘流程，并提出血压管理、吸烟控制和性别差异精准干预的三位一体预防策略。