冠狀動脈疾病（CAD）是全球死亡的主要原因。 它是一種復雜的心臟病，與許多危險因素和多種癥狀有關。 在過去的十年中，冠狀動脈疾病（CAD）經歷了驚人的發展。 本研究的目的是使用不同的機器學習算法（模型）構建原型系統，并比較它們的性能以找到合適的模型。 本文探討了三種最常用的機器學習算法，分別稱為Logistic回歸，支持向量機和人工神經網絡。 為了進行這項研究，已經使用了臨床數據集。 為了評估性能，已使用了不同的評估方法，例如混淆矩陣，分層K折交叉驗證，準確性，AUC和ROC。 為了驗證結果，已經使用K折交叉驗證技術驗證了準確性和AUC分數。 數據集包含類不平衡，因此已使用SMOTE算法來平衡