Análise de Risco Cardíaco - Machine Learning

Este é um projeto acadêmico desenvolvido para o curso de Tecnologia em Inteligência Artificial Aplicada da PUCPR, para a disciplina de IA em Saúde. O projeto visa aplicar técnicas de Machine Learning para realizar uma análise de risco cardíaco com base em dados médicos. O objetivo é prever a probabilidade de ocorrência de doenças cardíacas utilizando variáveis como idade, colesterol, pressão arterial e outros parâmetros clínicos.

Objetivos do Projeto:

• Implementar e treinar dois modelos de Machine Learning: Random Forest e Regressão Logística.
• Analisar e comparar o desempenho dos modelos na previsão de doenças cardíacas.
• Realizar uma análise exploratória e visualização dos dados para entender melhor as relações entre as variáveis clínicas e o risco cardíaco.

Tecnologias e Ferramentas Utilizadas:

• Python
• Scikit-learn
• Pandas
• Matplotlib
• Seaborn
• Jupyter Notebook

Dataset:

Os dados utilizados neste projeto encontra-se neste artigo, que foi disponibilizado em forma de Notebook. https://github.com/kunkaweb/Data_Science/blob/master/Diagn%C3%B3stico_de_Doen%C3%A7as_Cardiovasculares_usando_Machine_Learning.ipynb

Como Rodar o Projeto:

1. Clone o repositório: git clone https://github.com/FrancineEstefanela/analise-risco-cardiaco-ml.git

2. Navegue até a pasta do projeto: cd analise-risco-cardiaco-ml

3. Instale as dependências necessárias: pip install -r requirements.txt

4. Abra o Jupyter Notebook e execute o código: jupyter notebook

Execute o notebook analise-risco-cardiaco-ml.ipynb para ver o processo de análise e treinamento dos modelos.

Contribuições

Se você quiser contribuir com melhorias, correções ou novas funcionalidades, fique à vontade para abrir uma Pull Request. Antes de começar a contribuir, por favor, faça um fork do projeto.