بیماری های قلبی یکی از شایع ترین بیماری هاست که در حال حاضر تعداد افراد مبتلا به این نوع بیماری ها در حال افزایش می باشد. این در حالی است در صورتی که مراقبت های لازم برای بیمار در زمان مناسب صورت نگیرد، می تواند باعث مرگ بیمار شود. از این رو تشخیص دقیق در مرحله معاینه اولیه به همراه درمان مناسب می تواند منجر به اجتناب از افزایش میزان مرگ ومیر ناشی از بیماری قلبی گردد. برای رسیدن به این مهم می توان از تکنیک های موجود در زمینه داده کاوی بهره گرفت. داده کاوی داده های مفیدی را از مجموعه داده های موجود استخراج می کند که منجر به پیش بینی یا دسته بندی اطلاعات از طریق خوشه بندی، کلاس بندی و یا کشف الگوهای پنهان می شود. تاکنون تحقیقات زیادی با استفاده از مدل های داده کاوی در تشخیص بیماری های مختلف مانند بیماری های قلبی و عروقی انجام شده است.. در این مقاله قصد داریم با استفاده از رویکردی مبتنی بر انتخاب ویژگی به عنوان یک گام پیش پردازش، مدلی باهدف تشخیص بیماری قلبی ارائه گردد. راهکار پیشنهادی دارای 3 گام اصلی می باشد که گام1) پیش پردازش داده ها با هدف رفع مقادیر Null و پرت در مجموعه داده ها، گام2) انتخاب ویژگی های موثر با بهره وری از 2 روش ضریب همبستگی پیرسون و تجزیه و تحلیل مولفه های اصلی که سعی در حذف ویژگی هایی که با صفت هدف رابطه خاصی ندارند و رفتار این ویژگی مستقل از صفت هدف می باشند، است. و در گام3) با استفاده از 3 الگوریتم J48، شبکه بیزین و SVM مدلی برای پیش بینی بیماری قلبی ساخته می شود. نتایج بدست آمده نشان می دهد الگوریتم J48 با دقت 0.89 دارای بالاترین دقت است.
