Repositorio Dspace

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

Mostrar el registro sencillo del ítem

dc.contributor.advisor Rosero Vásquez, Shendry Balmore
dc.contributor.author Alejandro Roca, Katherine Viviana
dc.date.accessioned 2024-05-21T17:18:57Z
dc.date.available 2024-05-21T17:18:57Z
dc.date.issued 2024-05-20
dc.identifier.citation Alejandro 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.other UPSE-MTI-2024-0001
dc.identifier.uri https://repositorio.upse.edu.ec/handle/46000/11218
dc.description.abstract La 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.language.iso spa es
dc.publisher La Libertad, Universidad Estatal Península de Santa Elena, 2024 es
dc.rights openAccess es
dc.rights Atribución-NoComercial-SinDerivadas 3.0 Ecuador *
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/3.0/ec/ *
dc.subject ENFERMEDAD CARDIOVASCULAR es
dc.subject OPTIMIZACIÓN es
dc.subject REGRESIÓN LOGÍSTICA es
dc.title Modelos de aprendizaje de máquina para medir el riesgo de contraer enfermedades cardiovasculares es
dc.type masterThesis es
dc.pages 98 p. es


Ficheros en el ítem

El ítem tiene asociados los siguientes ficheros de licencia:

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

openAccess Excepto si se señala otra cosa, la licencia del ítem se describe como openAccess

Buscar en DSpace


Búsqueda avanzada

Listar

Mi cuenta