{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3421564"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3421564","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Machine learning approaches for heart disease classification and implementation in python","abstract":"ΠΕΡΙΛΗΨΗ Η παρούσα διπλωματική εργασία διερευνά την εφαρμογή αλγορίθμων μηχανικής μάθησης για την πρόβλεψη της εμφάνισης καρδιακής νόσου, χρησιμοποιώντας ένα σύνολο δεδομένων, που αποκτήθηκε από την ιστοσελίδα Kaggle, το οποίο αποτελείται από έντεκα μεταβλητές καθώς και τη δυαδική μεταβλητή στόχου που δηλώνει την παρουσία καρδιακής νόσου. Η μελέτη ξεκινά με διερευνητική ανάλυση των δεδομένων με στόχο την κατανόηση των μεταβλητών του συνόλου δεδομένων. Κάθε μεταβλητή εξετάζεται ξεχωριστά ώστε να αποκτηθούν γνώσεις σχετικά με την κατανομή τoυς και να εντοπιστούν πιθανά έκτοπα σημεία. Στη συνέχεια, αξιολογείται η στατιστική σημαντικότητα των μεταβλητών μέσω των p-values, ακολουθούμενη από αξιολόγηση των συσχετίσεων, ανά ζεύγη μεταβλητών, για τον εντοπισμό τυχόν ισχυρών συσχετίσεων ή πολυσυγγραμικότητας. Επιπλέον, εξετάζεται η σημαντικότητα κάθε μεταβλητής σε σχέση με τη μεταβλητή στόχου. Έξι αλγόριθμοι μηχανικής μάθησης, συμπεριλαμβανομένων των κ-Κοντινότερων Γειτόνων, των ταξινομητών Naive Bayes (Gaussian και Bernoulli), της Λογιστικής παλινδρόμησης, του Δέντρου Αποφάσεων και του Τυχαίου Δάσους, υλοποιούνται σε περιβάλλον της γλώσσας προγραμματισμού Python. Δεδομένης της φύσης του προβλήματος, δίνεται έμφαση στη βελτιστοποίηση αλγορίθμων με βάση την ανάκληση, δίνοντας έτσι προτεραιότητα στην σύλληψη θετικών περιπτώσεων (ατόμων που έχουν καρδιακή πάθηση). Για την αξιολόγηση της απόδοσης των αλγορίθμων χρησιμοποιούνται μετρικές αξιολόγησης όπως η Ανάκληση, η Ακρίβεια, ο Αρμονικός Μέσος F1, και η Ορθότητα. Τα αποτελέσματα των προαναφερθέντων αλγορίθμων αποκάλυψαν ότι οι αλγόριθμοι ταξινομούν αποτελεσματικά τις περιπτώσεις καρδιακής νόσου. Πιο συγκεκριμένα, ξεχώρισε το μοντέλο \"Τυχαίο Δάσος\", όπου εμφάνισε υψηλές βαθμολογίες στο σύνολο δεδομένων δοκιμής (Test Dataset), με Aκρίβεια 89,0% και Ανάκληση 90,3%. Παρόμοια υψηλά αποτελέσματα παρουσίασε και το μοντέλο \"κ-Κοντινότερων Γειτόνων \" με Ακρίβεια 89,3% και Ανάκληση 91,7%. Είναι σημαντικό να σημειωθεί ότι η παρούσα μελέτη προσεγγίζεται από τη σκοπιά ενός αναλυτή δεδομένων, ως εκ τούτου, τονίζεται ότι δεν παρέχονται ιατρικές συμβουλές. Αναγνωρίζοντας τους περιορισμούς λόγω της απουσίας ιατρικής γνώσης, η παρούσα εργασία υπογραμμίζει τη σημασία της συνεργασίας μεταξύ αναλυτών δεδομένων, επιστημόνων δεδομένων και ιατρών, για την ανάπτυξη ισχυρών μοντέλων μηχανικής μάθησης. Μια τέτοια συνεργασία δύναται να συμβάλλει στην πρόοδο των μεθοδολογιών πρόβλεψης καρδιακών παθήσεων και να ενισχύσει την αποτελεσματικότητά τους.","abstract_html":"ΠΕΡΙΛΗΨΗ Η παρούσα διπλωματική εργασία διερευνά την εφαρμογή αλγορίθμων μηχανικής μάθησης για την πρόβλεψη της εμφάνισης καρδιακής νόσου, χρησιμοποιώντας ένα σύνολο δεδομένων, που αποκτήθηκε από την ιστοσελίδα Kaggle, το οποίο αποτελείται από έντεκα μεταβλητές καθώς και τη δυαδική μεταβλητή στόχου που δηλώνει την παρουσία καρδιακής νόσου. Η μελέτη ξεκινά με διερευνητική ανάλυση των δεδομένων με στόχο την κατανόηση των μεταβλητών του συνόλου δεδομένων. Κάθε μεταβλητή εξετάζεται ξεχωριστά ώστε να αποκτηθούν γνώσεις σχετικά με την κατανομή τoυς και να εντοπιστούν πιθανά έκτοπα σημεία. Στη συνέχεια, αξιολογείται η στατιστική σημαντικότητα των μεταβλητών μέσω των p-values, ακολουθούμενη από αξιολόγηση των συσχετίσεων, ανά ζεύγη μεταβλητών, για τον εντοπισμό τυχόν ισχυρών συσχετίσεων ή πολυσυγγραμικότητας. Επιπλέον, εξετάζεται η σημαντικότητα κάθε μεταβλητής σε σχέση με τη μεταβλητή στόχου. Έξι αλγόριθμοι μηχανικής μάθησης, συμπεριλαμβανομένων των κ-Κοντινότερων Γειτόνων, των ταξινομητών Naive Bayes (Gaussian και Bernoulli), της Λογιστικής παλινδρόμησης, του Δέντρου Αποφάσεων και του Τυχαίου Δάσους, υλοποιούνται σε περιβάλλον της γλώσσας προγραμματισμού Python. Δεδομένης της φύσης του προβλήματος, δίνεται έμφαση στη βελτιστοποίηση αλγορίθμων με βάση την ανάκληση, δίνοντας έτσι προτεραιότητα στην σύλληψη θετικών περιπτώσεων (ατόμων που έχουν καρδιακή πάθηση). Για την αξιολόγηση της απόδοσης των αλγορίθμων χρησιμοποιούνται μετρικές αξιολόγησης όπως η Ανάκληση, η Ακρίβεια, ο Αρμονικός Μέσος F1, και η Ορθότητα. Τα αποτελέσματα των προαναφερθέντων αλγορίθμων αποκάλυψαν ότι οι αλγόριθμοι ταξινομούν αποτελεσματικά τις περιπτώσεις καρδιακής νόσου. Πιο συγκεκριμένα, ξεχώρισε το μοντέλο &quot;Τυχαίο Δάσος&quot;, όπου εμφάνισε υψηλές βαθμολογίες στο σύνολο δεδομένων δοκιμής (Test Dataset), με Aκρίβεια 89,0% και Ανάκληση 90,3%. Παρόμοια υψηλά αποτελέσματα παρουσίασε και το μοντέλο &quot;κ-Κοντινότερων Γειτόνων &quot; με Ακρίβεια 89,3% και Ανάκληση 91,7%. Είναι σημαντικό να σημειωθεί ότι η παρούσα μελέτη προσεγγίζεται από τη σκοπιά ενός αναλυτή δεδομένων, ως εκ τούτου, τονίζεται ότι δεν παρέχονται ιατρικές συμβουλές. Αναγνωρίζοντας τους περιορισμούς λόγω της απουσίας ιατρικής γνώσης, η παρούσα εργασία υπογραμμίζει τη σημασία της συνεργασίας μεταξύ αναλυτών δεδομένων, επιστημόνων δεδομένων και ιατρών, για την ανάπτυξη ισχυρών μοντέλων μηχανικής μάθησης. Μια τέτοια συνεργασία δύναται να συμβάλλει στην πρόοδο των μεθοδολογιών πρόβλεψης καρδιακών παθήσεων και να ενισχύσει την αποτελεσματικότητά τους.","abstract_has_math":false,"creators":["Κουκάς Αθανάσιος","Koukas Athanasios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-11-19T06:30:53Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3421564"],"render_values":[{"text":"uoadl:3421564","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3421564","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3421564","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3421564","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κουκάς Αθανάσιος","Koukas Athanasios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2024"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3421564","https://pergamos.lib.uoa.gr/uoa/dl/object/3421564"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["ΠΕΡΙΛΗΨΗ Η παρούσα διπλωματική εργασία διερευνά την εφαρμογή αλγορίθμων μηχανικής μάθησης για την πρόβλεψη της εμφάνισης καρδιακής νόσου, χρησιμοποιώντας ένα σύνολο δεδομένων, που αποκτήθηκε από την ιστοσελίδα Kaggle, το οποίο αποτελείται από έντεκα μεταβλητές καθώς και τη δυαδική μεταβλητή στόχου που δηλώνει την παρουσία καρδιακής νόσου. Η μελέτη ξεκινά με διερευνητική ανάλυση των δεδομένων με στόχο την κατανόηση των μεταβλητών του συνόλου δεδομένων. Κάθε μεταβλητή εξετάζεται ξεχωριστά ώστε να αποκτηθούν γνώσεις σχετικά με την κατανομή τoυς και να εντοπιστούν πιθανά έκτοπα σημεία. Στη συνέχεια, αξιολογείται η στατιστική σημαντικότητα των μεταβλητών μέσω των p-values, ακολουθούμενη από αξιολόγηση των συσχετίσεων, ανά ζεύγη μεταβλητών, για τον εντοπισμό τυχόν ισχυρών συσχετίσεων ή πολυσυγγραμικότητας. Επιπλέον, εξετάζεται η σημαντικότητα κάθε μεταβλητής σε σχέση με τη μεταβλητή στόχου. Έξι αλγόριθμοι μηχανικής μάθησης, συμπεριλαμβανομένων των κ-Κοντινότερων Γειτόνων, των ταξινομητών Naive Bayes (Gaussian και Bernoulli), της Λογιστικής παλινδρόμησης, του Δέντρου Αποφάσεων και του Τυχαίου Δάσους, υλοποιούνται σε περιβάλλον της γλώσσας προγραμματισμού Python. Δεδομένης της φύσης του προβλήματος, δίνεται έμφαση στη βελτιστοποίηση αλγορίθμων με βάση την ανάκληση, δίνοντας έτσι προτεραιότητα στην σύλληψη θετικών περιπτώσεων (ατόμων που έχουν καρδιακή πάθηση). Για την αξιολόγηση της απόδοσης των αλγορίθμων χρησιμοποιούνται μετρικές αξιολόγησης όπως η Ανάκληση, η Ακρίβεια, ο Αρμονικός Μέσος F1, και η Ορθότητα. Τα αποτελέσματα των προαναφερθέντων αλγορίθμων αποκάλυψαν ότι οι αλγόριθμοι ταξινομούν αποτελεσματικά τις περιπτώσεις καρδιακής νόσου. Πιο συγκεκριμένα, ξεχώρισε το μοντέλο \"Τυχαίο Δάσος\", όπου εμφάνισε υψηλές βαθμολογίες στο σύνολο δεδομένων δοκιμής (Test Dataset), με Aκρίβεια 89,0% και Ανάκληση 90,3%. Παρόμοια υψηλά αποτελέσματα παρουσίασε και το μοντέλο \"κ-Κοντινότερων Γειτόνων \" με Ακρίβεια 89,3% και Ανάκληση 91,7%. Είναι σημαντικό να σημειωθεί ότι η παρούσα μελέτη προσεγγίζεται από τη σκοπιά ενός αναλυτή δεδομένων, ως εκ τούτου, τονίζεται ότι δεν παρέχονται ιατρικές συμβουλές. Αναγνωρίζοντας τους περιορισμούς λόγω της απουσίας ιατρικής γνώσης, η παρούσα εργασία υπογραμμίζει τη σημασία της συνεργασίας μεταξύ αναλυτών δεδομένων, επιστημόνων δεδομένων και ιατρών, για την ανάπτυξη ισχυρών μοντέλων μηχανικής μάθησης. Μια τέτοια συνεργασία δύναται να συμβάλλει στην πρόοδο των μεθοδολογιών πρόβλεψης καρδιακών παθήσεων και να ενισχύσει την αποτελεσματικότητά τους.","ABSTRACT This thesis investigates the application of machine learning algorithms to predict the occurrence of a heart disease, by utilizing a known dataset, obtained from Kaggle, that comprises of eleven features and the binary target variable denoting the heart disease presence. Τhe study begins with exploratory data analysis to understand the dataset's characteristics. Each feature is examined individually to gain insights into its distribution and to identify potential outliers. Subsequently, the statistical significance of features is assessed through p-values, followed by an evaluation of pairwise associations among features to detect any strong correlations or multicollinearity issues. Additionally, we examine each feature's importance concerning the target variable. Six machine learning algorithms, including k-Nearest Neighbors, Naive Bayes classifiers (Gaussian and Bernoulli), Logistic Regression, Decision Tree, and Random Forest, are implemented in Python environment. Given the nature of the task, emphasis is placed on optimizing algorithms based on the Recall score to prioritize positive instance capture. Evaluation metrics such as Recall, Precision, F1-score, and Accuracy are used to assess algorithms performance. The modeling results revealed that the aforementioned classification algorithms effectively classify heart disease instances. More specifically the “Random Forest” model displayed high testing scores, with an Accuracy score of 89.0% and a Recall score of 90.3%. Similar high testing results showcased the “kNN” model with an Accuracy score of 89.3% and a Recall score of 91.7%. It is important to note that the entire thesis is approached from the perspective of a data analyst; therefore, it is emphasized that no medical advice is provided. Recognizing the limitations due to the absence of medical expertise, this thesis underscores the significance of collaboration among data analysts, data scientists, and medical professionals for robust model development. Such collaboration holds promise for advancing heart disease prediction methodologies and enhancing the efficacy of predictive healthcare analytics."]},{"key":"dc:title","label":"Title","values":["Machine learning approaches for heart disease classification and implementation in python"]}]}],"canonical_facts":{"dc:creator":["Κουκάς Αθανάσιος","Koukas Athanasios"],"dc:date":["2024"],"dc:description":["ΠΕΡΙΛΗΨΗ Η παρούσα διπλωματική εργασία διερευνά την εφαρμογή αλγορίθμων μηχανικής μάθησης για την πρόβλεψη της εμφάνισης καρδιακής νόσου, χρησιμοποιώντας ένα σύνολο δεδομένων, που αποκτήθηκε από την ιστοσελίδα Kaggle, το οποίο αποτελείται από έντεκα μεταβλητές καθώς και τη δυαδική μεταβλητή στόχου που δηλώνει την παρουσία καρδιακής νόσου. Η μελέτη ξεκινά με διερευνητική ανάλυση των δεδομένων με στόχο την κατανόηση των μεταβλητών του συνόλου δεδομένων. Κάθε μεταβλητή εξετάζεται ξεχωριστά ώστε να αποκτηθούν γνώσεις σχετικά με την κατανομή τoυς και να εντοπιστούν πιθανά έκτοπα σημεία. Στη συνέχεια, αξιολογείται η στατιστική σημαντικότητα των μεταβλητών μέσω των p-values, ακολουθούμενη από αξιολόγηση των συσχετίσεων, ανά ζεύγη μεταβλητών, για τον εντοπισμό τυχόν ισχυρών συσχετίσεων ή πολυσυγγραμικότητας. Επιπλέον, εξετάζεται η σημαντικότητα κάθε μεταβλητής σε σχέση με τη μεταβλητή στόχου. Έξι αλγόριθμοι μηχανικής μάθησης, συμπεριλαμβανομένων των κ-Κοντινότερων Γειτόνων, των ταξινομητών Naive Bayes (Gaussian και Bernoulli), της Λογιστικής παλινδρόμησης, του Δέντρου Αποφάσεων και του Τυχαίου Δάσους, υλοποιούνται σε περιβάλλον της γλώσσας προγραμματισμού Python. Δεδομένης της φύσης του προβλήματος, δίνεται έμφαση στη βελτιστοποίηση αλγορίθμων με βάση την ανάκληση, δίνοντας έτσι προτεραιότητα στην σύλληψη θετικών περιπτώσεων (ατόμων που έχουν καρδιακή πάθηση). Για την αξιολόγηση της απόδοσης των αλγορίθμων χρησιμοποιούνται μετρικές αξιολόγησης όπως η Ανάκληση, η Ακρίβεια, ο Αρμονικός Μέσος F1, και η Ορθότητα. Τα αποτελέσματα των προαναφερθέντων αλγορίθμων αποκάλυψαν ότι οι αλγόριθμοι ταξινομούν αποτελεσματικά τις περιπτώσεις καρδιακής νόσου. Πιο συγκεκριμένα, ξεχώρισε το μοντέλο \"Τυχαίο Δάσος\", όπου εμφάνισε υψηλές βαθμολογίες στο σύνολο δεδομένων δοκιμής (Test Dataset), με Aκρίβεια 89,0% και Ανάκληση 90,3%. Παρόμοια υψηλά αποτελέσματα παρουσίασε και το μοντέλο \"κ-Κοντινότερων Γειτόνων \" με Ακρίβεια 89,3% και Ανάκληση 91,7%. Είναι σημαντικό να σημειωθεί ότι η παρούσα μελέτη προσεγγίζεται από τη σκοπιά ενός αναλυτή δεδομένων, ως εκ τούτου, τονίζεται ότι δεν παρέχονται ιατρικές συμβουλές. Αναγνωρίζοντας τους περιορισμούς λόγω της απουσίας ιατρικής γνώσης, η παρούσα εργασία υπογραμμίζει τη σημασία της συνεργασίας μεταξύ αναλυτών δεδομένων, επιστημόνων δεδομένων και ιατρών, για την ανάπτυξη ισχυρών μοντέλων μηχανικής μάθησης. Μια τέτοια συνεργασία δύναται να συμβάλλει στην πρόοδο των μεθοδολογιών πρόβλεψης καρδιακών παθήσεων και να ενισχύσει την αποτελεσματικότητά τους.","ABSTRACT This thesis investigates the application of machine learning algorithms to predict the occurrence of a heart disease, by utilizing a known dataset, obtained from Kaggle, that comprises of eleven features and the binary target variable denoting the heart disease presence. Τhe study begins with exploratory data analysis to understand the dataset's characteristics. Each feature is examined individually to gain insights into its distribution and to identify potential outliers. Subsequently, the statistical significance of features is assessed through p-values, followed by an evaluation of pairwise associations among features to detect any strong correlations or multicollinearity issues. Additionally, we examine each feature's importance concerning the target variable. Six machine learning algorithms, including k-Nearest Neighbors, Naive Bayes classifiers (Gaussian and Bernoulli), Logistic Regression, Decision Tree, and Random Forest, are implemented in Python environment. Given the nature of the task, emphasis is placed on optimizing algorithms based on the Recall score to prioritize positive instance capture. Evaluation metrics such as Recall, Precision, F1-score, and Accuracy are used to assess algorithms performance. The modeling results revealed that the aforementioned classification algorithms effectively classify heart disease instances. More specifically the “Random Forest” model displayed high testing scores, with an Accuracy score of 89.0% and a Recall score of 90.3%. Similar high testing results showcased the “kNN” model with an Accuracy score of 89.3% and a Recall score of 91.7%. It is important to note that the entire thesis is approached from the perspective of a data analyst; therefore, it is emphasized that no medical advice is provided. Recognizing the limitations due to the absence of medical expertise, this thesis underscores the significance of collaboration among data analysts, data scientists, and medical professionals for robust model development. Such collaboration holds promise for advancing heart disease prediction methodologies and enhancing the efficacy of predictive healthcare analytics."],"dc:identifier":["uoadl:3421564","https://pergamos.lib.uoa.gr/uoa/dl/object/3421564"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Machine learning approaches for heart disease classification and implementation in python"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:30:53Z"}