Modelado predictivo con Random Forest para la detección de enfermedades cardíacas

Vista sencilla de ítem
dc.contributor.advisorAlcalá-Temores, Jaime E.
dc.contributor.authorEstrada-Rodríguez, Héctor D.
dc.date.accessioned2024-05-27T22:51:27Z
dc.date.available2024-05-27T22:51:27Z
dc.date.issued2024-05
dc.description.abstractEl diagnóstico precoz de enfermedades cardíacas permite mejorar la probabilidad de supervivencia de las personas, así como reducir los gastos adicionales al sistema de salud. Es por esto que el objetivo principal de este proyecto es aplicar un modelo de detección de patologías cardíacas, resolviendo de manera particular la necesidad de herramientas analíticas avanzadas que puedan procesar datos clínicos y biomédicos de manera efectiva. Se destaca la implementación y comparación de un modelo de Random Forest frente a la Regresión Logística, así como los procesos de limpieza, preparación de datos y la ingeniería de características realizada. Se exponen los resultados obtenidos, que demuestran la superioridad predictiva del Random Forest en comparación con la Regresión Logística. Finalmente, se presentan las conclusiones del trabajo, enfatizando la viabilidad del Random Forest para la aplicación clínica.
dc.identifier.citationEstrada-Rodríguez, H. D. (2024). Modelado predictivo con Random Forest para la detección de enfermedades cardíacas. Trabajo de obtención de grado, Maestría en Ciencia de Datos. Tlaquepaque, Jalisco: ITESO.
dc.identifier.urihttps://hdl.handle.net/11117/10885
dc.language.isospa
dc.publisherITESO
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/deed.es
dc.subjectCiencia de Datos
dc.subjectRandom Forest
dc.subjectEnfermedades Cardíacas
dc.subjectRegresión Logística
dc.subjectSalud
dc.titleModelado predictivo con Random Forest para la detección de enfermedades cardíacas
dc.typeinfo:eu-repo/semantics/masterThesis
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Trabajo_Recepcional_MCD_TOG_Daniel_Estrada.pdf
Tamaño:
778.1 KB
Formato:
Adobe Portable Document Format
Descargar

Colecciones

DMAF - Trabajos de fin de Maestría en Ciencia de Datos