В сборнике представлены научные публикации, посвященные вопросам развития экономической науки и права. В материалах сборника приведены результаты теоретических и прикладных изысканий представителей научного и образовательного сообщества в данной области. Предназначен для широкого круга читателей. Издание может быть полезно научным сотрудникам, преподавателям, студентам, аспирантам и всем, кто интересуется проблемами и перспективами социально-экономического развития и права России и зарубежья. Ответственность за приведенные в исследовании экономические данные несут авторы. Статьи представлены в авторской редакции.
This paper evaluates the performance of three data analysis techniques-decision trees, neural networks, and self-organizing Kohonen maps-in identifying cardiovascular disease patterns. Based on a dataset of 1,328 patient records, the models were compared regarding classification accuracy for target variables and demographic attributes. The neural network achieved the lowest error rate for disease prediction (3.61%), while the decision tree showed robust performance (6.17%) with higher interpretability. The findings underscore the necessity of method selection based on data specificity and the trade-off between accuracy and transparency in medical diagnostics.
В статье проводится оценка эффективности трех методов анализа данных – деревьев решений, нейронных сетей и самоорганизующихся карт Кохонена – для выявления паттернов сердечно-сосудистых заболеваний. На основе набора данных, включающего 1 328 записей о пациентах, модели сравнивались по точности классификации целевых переменных и демографических атрибутов. Нейронная сеть продемонстрировала наименьший уровень ошибки при прогнозировании заболевания (3,61%), в то время как дерево решений показало надежные результаты (6,17%) при более высокой интерпретируемости. Полученные результаты подчеркивают необходимость выбора метода с учетом специфики данных, а также компромисса между точностью и прозрачностью моделей в медицинской диагностике.