В сфере здравоохранения аналитика больших данных чрезвычайно важна, очевидно, потому что сама отрасль является домом для огромного количества данных. Аналитика используется для изучения этих наборов данных и выявления скрытой информации и тенденций с целью извлечения знаний и прогнозирования результатов. Существующие подходы не обеспечивают значительной точности категоризации и прогнозирования, поскольку сбор структурированных медицинских и клинических данных занимает много времени, а точное прогнозирование заболеваний на основе отчетов в реальном времени - сложная и трудоемкая задача. Поэтому понимание мотивов, лежащих в основе подходов машинного обучения в здравоохранении, очень важно, так как точность и достоверность часто имеют решающее значение в проблемах здравоохранения. Целью работы является построение обобщенной клинической модели машинного обучения с использованием алгоритмов классификации под наблюдением для предсказания различных распростран