##plugins.themes.bootstrap3.article.main##

Juan Montes Bustamante

Resumen

Introducción— En la era de la información, la minería de datos re­vela patrones y conocimientos valiosos desde grandes conjuntos de datos, capacitando la toma de decisiones informada.


Objetivo— Este trabajo aspira a desarrollar un modelo avanzado que prevea con precisión la diabetes en sus primeras etapas.


Metodología— Este trabajo emplea la metodología CRISP-DM (Cross-Industry Standard Process for Data Mining) como enfoque principal para analizar datos.


Resultados— El modelo de árbol de decisión destaca por su capa­cidad predictiva superior al algoritmo KNN, logrando discriminar eficazmente entre casos de diabetes y la ausencia de patologías, con una precisión global del 83.01% en la partición de prueba, superan­do al modelo KNN en capacidad predictiva.


Conclusiones— La minería de datos, especialmente los modelos de árboles de decisión, emerge como una alternativa valiosa para la de­tección temprana de la diabetes en nuestro conjunto de datos.

Descargas

Los datos de descargas todavía no están disponibles.

##plugins.themes.bootstrap3.article.details##

Cómo citar
Montes Bustamante, J. (2024). Modelo predictivo de diabetes utilizando el proceso CRISP-DM para la prevención de la enfermedad implementando Machine Learning. CESTA, 4(2). https://doi.org/10.17981/cesta.04.02.2023.02
Sección
Artículos