Análisis de datos utilizando el modelo CRISP-DM, caso de estudio factores que afectan la salud pediátrica
Loading...
Date
2023
Journal Title
Journal ISSN
Volume Title
Publisher
PUCE - Quito
Abstract
Este estudio se centra en la aplicación de técnicas de aprendizaje automático para el diagnóstico de enfermedades neuropsicológicas en pacientes pediátricos en Ecuador. Se adoptó el modelo de Minería de Datos CRISP-DM para guiar el análisis. Se utilizó un conjunto de datos recopilados de diversas clínicas de Ecuador que abarcaba una amplia gama de características, como la edad, el sexo, la nacionalidad, el lugar de nacimiento, el historial médico, entre otros, junto con la inclusión de nuevos parámetros relevantes al estudio.Se exploraron diversos modelos de aprendizaje automático, incluyendo la Regresión con Vectores de Soporte (SVR), los Árboles de Decisión, los Bosques Aleatorios y los kVecinos más Cercanos (k-NN), cada uno de los cuales se configuró y optimizó con hiperparámetros para mejorar su rendimiento.El desempeño de cada modelo se evaluó y comparó en función de la precisión y el ajuste a los objetivos del negocio. Se implementó un tablero de mando interactivo utilizando el lenguaje de programación R para visualizar y comunicar los resultados del modelo, proporcionando una herramienta útil para los interesados.Este estudio concluye que el aprendizaje automático puede desempeñar un papel significativo en la mejora del diagnóstico y la comprensión de las enfermedades neuropsicológicas pediátricas.
Description
Keywords
Minería de datos, R (Lenguaje de programación de computadoras), Algoritmos, Análisis numérico - Procesamiento de datos, Pediatría