MennaTalla-Elabd/Heart_Disease_Detection

# 心脏病预测系统 ### 混合智能系统（专家系统 + 机器学习） ## 概述 本项目提出一个**混合智能系统**，用于心脏病预测，整合了以下组件： * 基于医疗数据训练的**机器学习模型** * 编码领域知识的**基于规则的专家系统** 这种组合在以下方面提升了性能： * **预测准确性** * **模型可解释性** ## 系统架构 系统由三个主要组件构成： 1. **机器学习模块** * 预测心脏病的概率 * 捕捉数据集中的隐藏模式 2. **专家系统模块** * 应用预定义的医学规则 * 提供逻辑推理和解释 3. **集成层** * 结合两个系统的输出 * 生成最终可靠决策 ## 🧪 技术栈 * **编程语言:** Python * **数据处理:** Pandas, NumPy * **机器学习:** Scikit-learn * **专家系统:** Experta * **Web界面:** Streamlit * **模型持久化:** Joblib ## 📂 项目结构 ``` heart_project/ ├── data/ │ ├── raw_data.csv │ ├── cleaned_data.csv │ ├── ml_model/ │ ├── train_model.py │ ├── predict.py │ ├── decision_tree_model.pkl │ ├── expert_system/ │ ├── rules.py │ ├── expert_system.py │ ├── utils/ │ ├── data_processing.py │ ├── comparison/ │ ├── compare_models.py │ ├── accuracy_comparison.md │ ├── app/ │ ├── streamlit_app.py │ ├── requirements.txt ├── README.md ├── .gitignore └── LICENSE ``` ## 安装 ### 1. 克隆仓库 ``` git clone https://github.com/your-username/heart-disease-prediction.git cd heart-disease-prediction ``` ### 2. 安装依赖 ``` pip install -r requirements.txt ``` ## 使用 运行 Streamlit 应用程序： ``` streamlit run app.py ``` 通过以下地址访问应用： ``` http://localhost:8501 ``` ## 功能特性 * 混合预测（专家系统 + 机器学习） * 可解释的决策 * 交互式用户界面 * 模块化且可扩展的架构 ## 📊 结果 * 决策树模型提供快速且可解释的预测 * 专家系统通过基于规则的解释增强可信度 * 混合方法提升整体系统可靠性 （此处可添加准确率、混淆矩阵或评估指标） ## 后续工作 * 集成更多机器学习模型（随机森林、支持向量机、神经网络） * 将应用部署到云平台 * 扩展专家规则库 * 改进数据集的规模与质量 ## 👩‍💻 作者 ## 三重 M+N 团队 ## 许可证 本项目仅供学术与教育用途。

标签：AI医疗, Apex, Experta, Joblib, Kubernetes, NumPy, Python, Scikit-learn, Streamlit, 专家系统, 云计算, 决策树, 医学数据分析, 医疗健康, 可解释性, 数据清洗, 无后门, 智能心脏病预测, 机器学习, 模型持久化, 混合智能系统, 疾病预测, 规则引擎, 规则系统, 访问控制, 逆向工具, 预测模型