Métodos de selección de variables óptimas para la predicción de enfermedades cardiovasculares utilizando machine learning
| dc.contributor.advisor | Nicolis, Orietta | |
| dc.contributor.author | Rodríguez Segura, Mauricio | |
| dc.contributor.editor | Facultad de Ingeniería | |
| dc.date.accessioned | 2023-01-16T20:48:53Z | |
| dc.date.available | 2023-01-16T20:48:53Z | |
| dc.date.issued | 2020 | |
| dc.description | Tesis (Magíster en Ciencias de la Computación) | es |
| dc.description.abstract | Las enfermedades cardiovasculares (ECV) son la principal causa de muerte en el mundo. La detección temprana de ECV en relación con condiciones del sueño como la apnea y ˜ la actividad física han sido prometedoras y aun es un desafío encontrar nuevas formas de prevenir su aparición. Este trabajo propone metodologías de reducción del número de variables ´ para determinar el riesgo de ECV, mediante métodos de extracción de variables óptimas, ´ con técnicas de pre-procesamiento de datos y evaluando su rendimiento para la clasificación´ predictiva con algoritmos de machine learning (ML) sobre el dataset del Sleep Heart Health Study (SHHS). El pre-procesamiento incluyo el balanceo de datos mediante muestreo SMOTE ´ y la selección de variables óptimas para la predicción de ECV se obtuvo mediante la regresión´ logística con valor p mas bajo y el análisis de componentes principales, utilizando índices médicos y datos de la prueba de polisomnografía. Los algoritmos de ML utilizados para la experimentación fueron: Natıve Bayes (NB), Redes Neuronales Prealimentadas (NN), Maquinas de Soporte Vectorial (SVM) y Bosque Aleatorio (RF). Los resultados obtenidos en ´ el modelo de NN mejoraron la precisión de estudios anteriores (0,81) y presentaron un AUC ´ competitivo (0,76). | es |
| dc.identifier.uri | https://repositorio.unab.cl/xmlui/handle/ria/36151 | |
| dc.language.iso | es | es |
| dc.publisher | Universidad Andrés Bello | es |
| dc.subject | Aprendizaje de Máquina | es |
| dc.subject | Algoritmos Computacionales | es |
| dc.subject | Enfermedades Cardiovasculares | es |
| dc.subject | Diagnóstico | es |
| dc.title | Métodos de selección de variables óptimas para la predicción de enfermedades cardiovasculares utilizando machine learning | es |
| dc.type | Tesis | es |
Archivos
Bloque original
1 - 1 de 1
No hay miniatura disponible
- Nombre:
- a140042_Rodríguez_M_Métodos_de_selección_de_variables_2020_Tesis.pdf
- Tamaño:
- 395.9 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- TEXTO COMPLETO EN ESPAÑOL
Bloque de licencias
1 - 1 de 1
No hay miniatura disponible
- Nombre:
- license.txt
- Tamaño:
- 1.71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción: