Modelo computacional de clasificación de aprendizaje de máquina supervisado, para el análisis de datos cardiovas-culares y pronóstico médico

Abstract

Las enfermedades cardiovasculares son un problema de salud pública en Ecuador y todo el mundo, por lo que este trabajo investigativo propone el diseño de un modelo computacional de clasificación a través del uso de técnicas de machine Lear-ning, con el apoyo de modelos probabilísticos que permitan modelar los factores de riesgo de enfermedades cardiovasculares. Este modelo está basado en Redes Bayesianas, que, en base a los factores de riesgo de la enfermedad, mostrará como resul-tado el porcentaje que tiene el paciente de contraer la misma. Se aplicó la metodología de investigación documental que aporte con el conocimiento necesario para la realización de este proyecto en el cual se realizaron pruebas para verificar el comportamiento de cada una de las variables utilizadas en el modelo probabilístico, el cual brindará resultados eficientes y en un corto periodo de tiempo, siendo así una herramienta de apoyo en la toma de decisiones para los expertos.

Discriminación de masas mamográficas mediante K-Nearest Neighbor y atributos BIRADS

“…Emplean una variedad de métodos estadísticos, probabilísticos y de optimización para aprender de la experiencia pasada y detectar patrones útiles a partir de conjuntos de datos grandes, no estructurados y complejos (Uddin et al, 2019), asimismo a presentado un constante crecimiento de aplicación en el diagnóstico clínico (Blanc Pihuave et al, 2020).…”

Predictive Algorithms Analysis to Improve Sustainable Mobility

“…For predictive analysis with this type of algorithm, it is advisable to consider the data that best fit this model. It is preferable to eliminate possible aberrant data because they greatly influence the alteration of the result [21].…”