Métodos de aprendizaje supervisado para la predicción de diabetes: una revisión sistemática de la literatura
La inteligencia artificial (IA) y sus beneficios en el campo de la medicina han generado gran revolución. Es por este motivo que se quiere identificar los métodos de aprendizaje supervisado (una sub-área de la inteligencia artificial) y los factores empleados para la predicción de la diabetes que ha...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de pregrado |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2019
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: | La inteligencia artificial (IA) y sus beneficios en el campo de la medicina han generado gran revolución. Es por este motivo que se quiere identificar los métodos de aprendizaje supervisado (una sub-área de la inteligencia artificial) y los factores empleados para la predicción de la diabetes que han sido más significativos en cuanto a técnica (de los cuales resaltan árbol de decisión y sus derivados) y resultados. Para la identificación de estos métodos se realizó una revisión sistemática de la literatura. De todos los artículos encontrados se extrajo los métodos de maching learning para considerarlos como antecedentes. Existen diversos métodos de aprendizaje supervisado que pueden predecir la diabetes en los que algunos son híbridos y otros puros, uno mejores que otros según sea el caso de estudio. Finalmente, después de una revisión de los artículos seleccionados se destaca la etapa del pre-procesamiento en el desarrollo de estos modelos para alcanzar una mayor puntuación en la precisión. |
|---|