模型主要分为了两个部分
第一个部分是HD_PM 主要是做预测的
第二个部分是SAbHD_RM 主要是做推荐的。

我们主要是对心脏病进行一个疾病预测（四选一），然后进行建议的匹配，这个建议来源于专家建立的知识库。

模型大概分为以下几个部分：
数据划分为训练集和测试集->数据预处理->选择重要的特征->用一些基础的分类器进行分类->预测结果。

特征选择过程分为两个阶段。
第一阶段实现一种属性计算器技术，该技术针对输出类计算数据集的特征。
第二阶段应用搜索方法，使用不同的特征组合为分类问题选择最优集合。该模型采用了一种基于信息增益的特征选择方法。在这种技术中，计算信息增益，即给定类的每个特征的熵。

使用了阈值对信息增益进行了一个下线的划分，以得到最重要的属性。

第一个模型就是简单的使用了分类器进行预测，好像没啥内容，接着看第二个模型。
算法如下。
这里主要是把建议也给分类了，分成了5类。
F代表critical属性集合（f1:氧饱和度，f2:血压，f3:胆固醇，f4:血糖)
V代表严重程度（红、黄、绿）
W代表F的权重。
知识基础K=F，W，V

对于每种疾病，我们先计算疾病的可能性，然后计算疾病的存在风险R（存在疾病/缺失疾病），如果风险大于1且疾病存在概率大于一定的阈值，我们就计算一个严重分数S和一个最终分数，最终分数就是用S*W，我们按照最终分数的大小进行推荐（最终分数小推荐‘运动’、最终分数大推荐‘吃药’）
这个流程也比较简单似乎，