Detección temprana de enfermedades del corazón mediante el aprendizaje automático

Resumen

El presente trabajo de investigación tiene por objetivo comparar la precisión de siete algoritmos de clasificación para un conjunto de datos sobre enfermedades del corazón, permitiendo la detección temprana en paciente que tengan sospecha o no de la presencia de este mal que a simple no se puede diagnosticar. El alcance del proyecto se limita a analizar a doscientos noventa y nueve pacientes que realizaron sus pruebas para la creación de este conjunto de datos, con la posibilidad de continuar realizar constantes pruebas para mejorar la calidad de la información en la prueba. Para el proceso de clasificación se pondrá a prueba a 25% para el entrenamiento versus el 75% de los registros como muestra, los cuales pasarán por cada uno de los modelos utilizando la Matriz de Confusión y la curva Auc Roc. Se pudo apreciar que la precisión en el modelo de Regresión Lineal se obtuvo un 87.3%, mientras que en la curva Auc Roc se obtuvo una confiabilidad del 91% para el modelo MultiLayer Perceptron Prediction. La información de las pruebas realizadas permite obtener una precisión considerable en cuanto al modelo de Regresión Lineal indicando que trabaja de manera correcta con la misma, sin embargo, con una cantidad mayor de registros se podría mejorar aún más los resultados obtenidos actualmente.