心脏病预测 Heart Disease prediction using 5 algorithms - Logistic regression, - Random forest, - Naive Bayes, - KNN(K Nearest Neighbors), - Decision Tree then improved accuracy by adjusting different aspect of algorithms. 最终决策树 数据集来源（） 数据集创建者： 匈牙利心脏病研究所。 布达佩斯：医学博士Andras Janosi 瑞士苏黎世大学医院：医学博士William Steinbrunn 瑞士巴塞尔大学医院：医学博士Matthias Pfisterer VA医疗中心，长滩和克利夫兰诊所基金会：Robert Detrano，医学博士。 数据集信息： 该数据库

tiny-heart 这是什么 这是一些生日快乐网站的模板，基础是我最开始写的一个。后来有些朋友做了修改，也在这里分享给大家。 如何使用 选择download as zip方式下载或者clone到本地： git clone https://github.com/IcedSoul/tiny-heart 具体介绍 每个文件夹是一个版本，基本版本是我最开始所做的，也是目前说明文档最为详细的，你可以进入文件夹查看每个版本具体的介绍。 这里放出版本名称和贡献者 作者 版本名称 风格 作者Github IcedSoul birthday-basic 粉红/回忆 weingxing birthday-brother 蓝色/兄弟 weingxing birthday-mobile 适配移动端 结束 欢迎star&fork，也欢迎其它贡献者

matlab中直接使用的libsvm数据集heart_scale

香浓公式做的心音包络的提取，同时进行了去噪声

Abnormal_Heart_Sound_Diagnosis：对心音数据库进行卷积长短期记忆（CNN-LSTM）评估，准确度达91％

该插件可模拟游戏中角色的动态心电图走线，以及真实的心音模拟。此外，代码通俗易懂，易于修改成自己想要的波形。该心电图插件还可以模拟实时修改频率生成不同频率下的心电波形及心音，总而言之，使用后感觉效果还不错，只要不达到医学上要求的那么精准，一般都可以满足的~

UCI-Heart-ML 使用机器学习的心脏病患者数据可视化和预测 介绍 模型总结与方法 材料和方法 数据集 机器学习算法 黄砖 海生 比较和选择可视化模型 数据集的可视化 机器学习算法的可视化 1.逻辑回归 2.决策树 ML预测数据可视化 结论 参考

《领域驱动设计:软件核心复杂性应对之道》是领域驱动设计方面的经典之作。全书围绕着设计和开发实践，结合若干真实的项目案例，向读者阐述如何在真实的软件开发中应用领域驱动设计。书中给出了领域驱动设计的系统化方法，并将人们普遍接受的一些最佳实践综合到一起，融入了作者的见解和经验，展现了一些可扩展的设计最佳实践、已验证过的技术以及便于应对复杂领域的软件项目开发的基本原则。《领域驱动设计:软件核心复杂性应对之道》适合各层次的面向对象软件开发人员、系统分析员阅读。

PlanA Android快速开发基础架构平台 PlanA是一个集成的BaseActivity，BaseFragment，BasePermission，PRouter路由管理，多种开发所需的工具类，Retrofit2 + Okhttp + RxJava的网络请求终极封装（行人实现网络请求），文件上传下载和进度缩减，多种开发所需的自定义控件等，PlanA框架正在火热持续维护中，请多多支持！ 1.项目依赖（等级） 1.添加jitPack到你项目的build.gradle allprojects { repositories { ... maven { url 'https://jitpack.io' } } } 2.添加依赖 dependencies { implementation 'com.github.Beseting:PlanA:v1

heart-rate，使用Android手机的摄像头，通过闪光灯识别手指的血管，完成心率的检测，绘制出心率图，博客附件，效果请查看博客相对应项目