谭静仪，蔡灿，林爱华，董雪

    (广州新华学院健康学院，广东 广州 510520)

    《中国心血管健康与疾病报告2020》预测我国心血管疾病现患人数3.30亿，其中冠心病1139万[1]。近年来心血管疾病占我国居民疾病死亡构成的40%以上，且其患病率及死亡率仍处于上升阶段[1-3]。因此，心血管疾病的预防也被视为一项重要的工作。而通过数据挖掘方式来分析及预测不同个体特征发生心血管疾病的风险，对预防心血管疾病起到至关重要的作用[4-6]。在数据挖掘方法中，支持向量机算法(support vector machine，SVM)是一种按监督学习方式对数据进行二元分类的广义线性分类器[7]。SVM 算法的基本思想是：找到集合边缘上的若干数据，用这些点找出一个最优分割面(超平面)，也就是能使支持向量和超平面最小距离的最大值，基本模型是定义在特征空间上的间隔最大的线性分类器[8-10]。SVM 算法是一种强大的分类和回归方法，适用于进行模式识别、分类以及回归分析，可用于处理文本分类、图像检测、人脸识别等问题[11-13]，在医学领域对于疾病预测、临床诊断、医学影像识别、药物开发、医院信息系统等方面也有广泛的应用[14-17]。在SVM 算法的相关研究中，张峻铭等[18]建立了预测士兵是否适合成为精英士兵的SVM分类模型，其准确率接近90%，召回率达到100%。裴修侗等[19]提出一种利用优化的SVM 算法对糖尿病诊断进行辅助建模的方法，平均精度达到78%以上。刘宁[20]使用SVM 算法诊断哮喘准确率为82%，AUC 为0.83 ......