Mashinnoe obuchenie ispol'zuetsq wo mnogih oblastqh po wsemu miru. Ne qwlqetsq isklücheniem i otrasl' zdrawoohraneniq. Mashinnoe obuchenie mozhet sygrat' wazhnuü rol' w prognozirowanii nalichiq/otsutstwiq zabolewanij oporno-dwigatel'nogo apparata, serdechno-sosudistyh zabolewanij i t.d. Takaq informaciq, esli ona prognoziruetsq zablagowremenno, mozhet dat' wazhnuü intuiciü wracham, kotorye zatem smogut adaptirowat' swoü diagnostiku i lechenie w zawisimosti ot konkretnogo pacienta. My rabotaem nad prognozirowaniem wozmozhnyh zabolewanij serdca u lüdej s pomosch'ü algoritmow mashinnogo obucheniq. V dannom proekte my prowodim srawnitel'nyj analiz takih klassifikatorow, kak derewo reshenij, NaïveBayes, logisticheskaq regressiq, SVM i Random Forest, i predlagaem ansamblewyj klassifikator, kotoryj wypolnqet gibridnuü klassifikaciü, ispol'zuq sil'nye i slabye klassifikatory, poskol'ku on mozhet imet' mnozhestwo obrazcow dlq obucheniq i prowerki dannyh.