Random Forest - Doenças Cardiovasculares

O Pré-Processamento já foi feito e pode ser encontrado em: Árvore de Decisão

A Random Forest é um modelo que combina várias árvores de decisão para prever, nessa base, se o paciente tem ou não doença cardíaca, analisando padrões em variáveis clínicas.

Distribuição da Variável Alvo

Variável Alvo

A base é relativamente balanceada, com cerca de 55,3% dos pacientes apresentando doença cardíaca (HeartDisease = 1) e 44,7% sem doença (HeartDisease = 0).
Esse equilíbrio é bom, evita que o modelo aprenda vieses fortes, como por exemplo, prever 1 o tempo todo.
O uso de class_weight='balanced' ainda é uma boa prática, pois ajuda a manter a sensibilidade para ambas as classes.

Desempenho Geral do Modelo

Curva ROC	Resultados Terminal

A acurácia de 88,04% significa que o modelo acerta quase 9 em 10 previsões no conjunto teste.
O ROC AUC de 0.9317 indica uma excelente capacidade discriminativa, isto é, o modelo distingue bem pacientes com ou sem doença.
- Valores acima de 0.90 são considerados excelentes em problemas médicos.
- Isso mostra que o modelo está equilibrado em termos de sensibilidade e especificidade.

Relatório de Classificação

O modelo tem desempenho equilibrado entre prever quem tem e quem não tem a doença. A ligeira vantagem no recall da classe “1” é desejável clinicamente (melhor errar por excesso de precaução do que deixar passar um caso).

Resultados Terminal

Métrica	O que significa?	Classe 0 (sem doença)	Classe 1 (com doença)	Observação
Precisão (precision)	Proporção de acertos entre as previsões positivas	0.8846	0.8774	Alta precisão em ambas as classes, o que indica poucas previsões erradas.
Recall (sensibilidade)	Proporção de acertos entre os casos reais	0.8415	0.9118	O modelo acerta 91% dos pacientes realmente doentes, excelente sensibilidade, importante para triagem médica.
F1-score	Média harmônica entre precisão e recall	0.8625	0.8942	Equilíbrio muito bom entre evitar falsos negativos e falsos positivos.
Macro avg / Weighted avg	Médias gerais (ponderadas)	≈0.88	≈0.88	Mostram desempenho consistente entre classes, sem enviesamento.

Matriz de Confusão

O número de falsos negativos é baixo, o que é ótimo em aplicações médicas (melhor alertar a mais do que deixar um caso passar). O equilíbrio entre falsos positivos e negativos mostra que o modelo está bem calibrado.

Resultados Terminal

69 verdadeiros negativos (sem doença corretamente identificados).
93 verdadeiros positivos (com doença corretamente identificados).
13 falsos positivos (pessoas saudáveis classificadas como doentes).
9 falsos negativos (pacientes doentes classificados como saudáveis).

Validação Cruzada

Resultados Terminal

O modelo mantém acurácia média de 86,7% e ROC AUC de 0.93 em diferentes divisões dos dados.
O desvio-padrão baixo (≈0.02) mostra que o desempenho é estável e consistente, sem depender de uma partição específica do conjunto de treino/teste.
Isso é um bom sinal de generalização, ou seja, o modelo não está “decorando” o treino (não há overfitting perceptível).

Importância das variáveis (Top 10)

O modelo aprendeu padrões clinicamente plausíveis, reforçando que não está apenas “decorando” correlações artificiais. As variáveis com maior peso são aquelas reconhecidas na cardiologia como marcadores de risco, indicando excelente sinal de validade interpretável.

Importância das Variáveis	Resultados Terminal

Variável	Descrição	Interpretação
ST_Slope (24,6%)	Inclinação do segmento ST no ECG	É o fator mais relevante, reforçando que padrões de repolarização anormais estão fortemente ligados a doenças cardíacas.
ChestPainType (12,1%)	Tipo de dor torácica	Um dos sintomas clínicos mais importantes. Dor típica/assintomática é decisiva para o modelo.
Oldpeak (11,2%)	Depressão do ST	Outro sinal de isquemia cardíaca, a importância alta confirma coerência médica.
Cholesterol e MaxHR (≈11% cada)	Colesterol sérico e frequência máxima atingida	Condiz com a fisiologia: colesterol elevado e menor capacidade cardíaca aumentam risco.
ExerciseAngina (7,9%)	Angina induzida por exercício	Reforça que o esforço físico é preditor chave.
Age (7,5%)	Idade do paciente	Idade é relevante, mas não isoladamente determinante, o modelo captura interações com outros fatores.
RestingBP, Sex, RestingECG	Pressão arterial, sexo e ECG em repouso	Importância menor, mas contribuem ao contexto geral.

Síntese interpretativa geral

Resumo:

Modelo: Random Forest Classifier (n=200 árvores, balanced class weight)
Desempenho: Accuracy = 0.88, ROC AUC = 0.93, CV AUC ≈ 0.93 ± 0.02
Erros: poucos falsos negativos (bom para triagem médica)
Variáveis mais relevantes: ST_Slope, ChestPainType, Oldpeak, Cholesterol, MaxHR

Conclusão

O modelo Random Forest treinado sobre o conjunto Heart Failure Prediction mostrou desempenho excelente e estabilidade consistente, com métricas de acurácia e AUC acima de 0.9. Além de bom poder preditivo, a hierarquia das variáveis apresenta coerência clínica, com destaque para indicadores de isquemia e função cardíaca. O comportamento balanceado entre precisão e recall o torna um modelo adequado para apoio diagnóstico inicial ou sistemas de triagem médica supervisionados por especialistas.