본 논문은 심장병 조기 진단 및 예방 의료를 위한 정확하고 신뢰할 수 있는 예측 모델 개발의 필요성에 대한 연구이다. 심장병 예측을 위해 XGBoost, 로지스틱 회귀, 의사결정 트리, 랜덤 포레스트, KNN, SVM, Gaussian Naive Bayes, Adaptive Boosting, 선형 회귀 등 9가지 머신러닝 알고리즘을 적용하였다. 특징 선택 기법을 활용하여 가장 관련성이 높은 예측 변수를 식별하고, 그리드 서치 하이퍼파라미터 튜닝 및 교차 검증을 통해 과적합을 최소화하였다. 또한, 특징 선택 기법을 활용한 새로운 투표 시스템을 개발하여 심장병 분류를 개선하였다. 정확도, 정밀도, 재현율, F1 점수, ROC AUC 등의 주요 성능 지표를 사용하여 모델을 평가하였으며, 그 결과 XGBoost 알고리즘이 탁월한 성능(정확도 99%, 정밀도 99%, F1 점수 99%, 재현율 98%, ROC AUC 100%)을 보였다.
