<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">
Universidad Estatal Península de Santa ElenaPortal UPSE
Repositorio InstitucionalInvestigación y conocimiento abierto

Modelos de aprendizaje de máquina para medir el riesgo de contraer enfermedades cardiovasculares

dc.contributor.advisorRosero Vásquez, Shendry Balmore
dc.contributor.authorAlejandro Roca, Katherine Viviana
dc.date.accessioned2024-05-21T17:18:57Z
dc.date.available2024-05-21T17:18:57Z
dc.date.issued2024-05-20
dc.description.abstractLa detección temprana y precisa de enfermedades cardiovasculares es fundamental para la prevención y tratamiento efectivo de estas condiciones de salud crítica. En esta tesis, se exploró el uso de modelos de aprendizaje automático para mejorar la detección de enfermedades cardiovasculares, centrándose en la optimización del rendimiento del modelo. Se contó con una data de más de 300000 registros de factores de riesgo cardiovascular que mediante el software libre Orange Data Mining facilitó la carga, exploración y comprensión de los datos antes del entrenamiento. Además, de proporcionar los evaluadores de rendimiento entre los modelos seleccionados. Luego de la optimización del modelo más prometedor, mediante técnicas de preprocesamiento, balanceo de clases y validación cruzada, Regresión Logística pasó de un recall de 0.06 a 0.79 a la clase minoritaria. Al combinar estas estrategias, se mejoró la capacidad del modelo para detectar de manera equitativa tanto casos positivos como negativos de enfermedad cardiovascular.es
dc.identifier.citationAlejandro Roca, Katherine Viviana (2024). Modelos de aprendizaje de máquina para medir el riesgo de contraer enfermedades cardiovasculares. La Libertad UPSE, Matriz. Instituto de Postgrado. 98p.es
dc.identifier.otherUPSE-MTI-2024-0001
dc.identifier.urihttps://repositorio.upse.edu.ec/handle/46000/11218
dc.language.isospaes
dc.pages98 p.es
dc.publisherLa Libertad, Universidad Estatal Península de Santa Elena, 2024es
dc.rightsopenAccesses
dc.rights.licenseAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectENFERMEDAD CARDIOVASCULARes
dc.subjectOPTIMIZACIÓNes
dc.subjectREGRESIÓN LOGÍSTICAes
dc.titleModelos de aprendizaje de máquina para medir el riesgo de contraer enfermedades cardiovasculareses
dc.typeinfo:eu-repo/semantics/masterThesises

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
UPSE-MTI-2024-0001.pdf
Tamaño:
1,82 MB
Formato:
Adobe Portable Document Format
Descripción:
PROPUESTA METODOLÓGICA Y TECNOLÓGICA

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
13,84 KB
Formato:
Item-specific license agreed upon to submission
Descripción: