С набором данных heart создаются и оцениваются 3 модели машинного обучения для прогнозирования наличия сердечных заболеваний. В этом посте я собираюсь объяснить, как читать данные и строить 3 модели машинного обучения для обнаружения патологии пациента. Это будут модели бинарной классификации. Мы оценим каждую модель и определим, какая из них лучше. Это модели дерева решений, случайного леса и наивного байесовского алгоритма. Кроме того, я буду сравнивать модели, играя с данными. В..