심혈관 질환(CVD) 위험 예측을 위해 LightGBM, XGBoost, CNN을 결합한 가중 앙상블 모델을 개발하여 Heart Disease Health Indicators Dataset에 대한 대규모 분석을 수행했습니다. 데이터 전처리를 통해 229,781명의 환자 데이터를 사용했으며, 클래스 불균형을 해결하고 22개의 특징을 25개로 확장했습니다. 앙상블 모델은 테스트 AUC 0.8371(p=0.003)을 달성하여 개별 모델보다 통계적으로 유의미한 성능 향상을 보였으며, 높은 재현율(80.0%)을 통해 선별 검사에 적합합니다. 또한, 설명 가능성을 위해 대리 의사 결정 트리와 SHAP를 활용했습니다.
