THE STUDY OF THE APPLICABILITY OF MACHINE LEARNING METHODS BASED ON DECISION TREES FOR THE ANALYSIS OF ELECTROCARDIOGRAMS

Abstract

В данной статье рассматривается возможность применения методов машинного обучения на основе решающих деревьев для анализа электрокардиосигналов. Были отобраны наиболее перспективные методы, такие, как метод градиентного бустинга, лес случайных деревьев и рандомизированные деревья, которые являются сегодня наиболее и качественными в задачах классификации. На основе проведенного исследования происходит демонстрация применимости выбранных методов для автоматизированного анализа электрокардиограмм пациентов In this article, the possibilities of using machine-learning methods based on decision trees for the analy-sis of cardiac signals are available. The most promising methods have been applied, such as the gradient boost-ing method, forest random and randomized trees. The basis of the research is a demonstration of the applicability of the selected methods for the automated analysis of patient electrocardiograms.