YURAK-QON TOMIR KASALLIKLARINI BASHORAT QILISHDA MASHINALI O‘QITISH ALGORITMLARINING QIYOSIY TAHLILI

##article.abstract##

Yurak-qon tomir kasalliklari bugungi kunda global sog‘liqni saqlash tizimining eng dolzarb yo‘nalishlaridan
biri bo‘lib, ushbu kasalliklarni erta aniqlash va samarali tashxislash usullarini takomillashtirish muhim ilmiy-amaliy ahamiyat
kasb etadi. So‘nggi yillarda mazkur yo‘nalishda ko‘plab tadqiqotlar amalga oshirilgan bo‘lsa-da, bashoratlash modellarining
aniqligi va barqarorligini yanada oshirish zarurati saqlanib qolmoqda. Ayniqsa, balanslashmagan ma’lumotlar
to‘plami bilan ishlashda samarali yondashuvlarni qo‘llash yurak kasalliklarini aniqlash sifatini sezilarli yaxshilash imkonini
beradi.
Mazkur tadqiqotning asosiy maqsadi mashinali o‘qitish usullari yordamida yurak kasalliklarini, xususan, miokard infarktini
erta bosqichda aniqlash imkoniyatlarini tahlil qilishdan iborat. Tadqiqot doirasida balanslashmagan ma’lumotlar to‘plami
muammosini samarali hal etishga qaratilgan ilmiy manbalar keng qamrovda o‘rganildi. Yurak kasalliklarini bashorat
qilish aniqligini oshirish maqsadida mashinali va chuqur o‘qitishning yettita klassifikatsiya algoritmi: K-Nearest Neighbors
(KNN), Support Vector Machine (SVM), logistik regressiya, konvolyutsion neyron tarmog‘i (CNN), Gradient Boost,
XGBoost hamda Random Forest modellarining samaradorligi sinovdan o‘tkazildi.
Tadqiqot natijalari turli klassifikatorlarning yurak-qon tomir kasalliklarini tashxislashdagi yuqori salohiyatini ko‘rsatdi.
Ayniqsa, XGBoost modelining optimallashtirilgan varianti eng yuqori samaradorlikni namoyon etdi. Modelning umumiy
aniqligi — 98,50 %, aniqlik darajasi — 99,14 %, to‘liqlik (Recall) — 98,29 % va F1-ko‘rsatkichi — 98,71 % ni tashkil etdi.
Ushbu natijalar mashinali o‘qitish texnologiyalaridan foydalanish yurak kasalliklarini erta aniqlash va diagnostika aniqligini
oshirishda katta imkoniyatlarga ega ekanligini tasdiqlaydi.