Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.utpl.edu.ec/jspui/handle/20.500.11962/29467| Título : | Aplicación de técnicas de aprendizaje de máquina para la predicción de riesgos en la salud ginecológica |
| Autor : | Ortiz Torres, Christian Alfonso |
| metadata.dc.contributor.advisor: | Reátegui Rojas, Ruth María |
| Palabras clave : | Inteligencia artificial Sistemas informáticos Magíster en ciencias y tecnologías de la computación Tesis y disertaciones académicas |
| metadata.dc.date.available: | 2022-01-06T13:08:45Z |
| Fecha de publicación : | 2022 |
| Citación : | Ortiz Torres, Christian Alfonso. Reátegui Rojas, Ruth María.(2022). Aplicación de técnicas de aprendizaje de máquina para la predicción de riesgos en la salud ginecológica . Universidad Técnica Particular de Loja |
| Descripción : | Resumen: El cáncer cervical es una de las causas principales de muerte en las mujeres, en el año 2020, se diagnosticaron 604.127 casos de cáncer de cuello uterino, con una mortalidad de 341.831 casos en todo el mundo.El objetivodel presente trabajo es analizar, explorar, comparar e identificar el mejor método de predicción del cáncer cervical aplicando técnicas de machine learning. Para lograr dicho objetivo se analizaron 17 investigaciones obtenidas de seis bases de datos científicas de los últimos 5 años, y, se realizaron experimentos con 7 algoritmos: 1. Decision Tree (DT), 2. Random Forest (RF), 3. Logistic Regression (LR), 4. XGBoost (XG), 5. Naive Bayes (NB), 6. Multi-layer Perceptron (MLP), 7. K-Nearest Neighbors (KNN). Seaplicaron trestécnicas de balanceo de datos: 1. SMOTETomek, 2. SMOTE, 3.ROS, para las cuatro variables objetivo: Hinselmann, Schiller, Citology y Biopsy. Además,se trabajó con accuracy, precisión, recall, f-score, AUC y la curva ROC para evaluar los valores obtenidos de los algoritmos depredicción.El algoritmo que mejor destacó es Random Forestcon un accuracy de 94.57%paraselección de variablesy reducción de variables PCA. |
| metadata.dc.identifier.other: | 1350991 |
| URI : | http://dspace.utpl.edu.ec/handle/20.500.11962/29467 |
| metadata.dc.type: | bachelorThesis |
| Aparece en las colecciones: | Magister en Ciencias y Tecnologías de la Computación |
Ficheros en este ítem:
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.