Resumen

Las enfermedades del corazón son una de las principales causas de muerte en todo el mundo, y han despertado un gran interés en la comunidad científica. Debido al elevado número de muertes impulsivas asociadas a ellas, su detección temprana es fundamental. Este estudio propone una técnica de máquina de vectores de apoyo (SVM) como columna vertebral de las herramientas de diagnóstico asistidas por ordenador para predecir con mayor precisión los niveles de riesgo de enfermedades cardíacas. Los conjuntos de datos, que contienen 13 atributos como el sexo, la edad, la presión arterial y el dolor torácico, proceden de la clínica Cleveland. En total, había 303 registros con 6 tuplas con valores perdidos. Para limpiar los datos, eliminamos los 6 registros que faltaban mediante la técnica de la lista. El tamaño de los datos, y el hecho de que se trate de un subconjunto puramente aleatorio, hizo que este enfoque no tuviera un efecto significativo para el experimento porque no había sesgos. Las características más destacadas se seleccionan mediante la técnica de boosting para acelerar y mejorar las precisiones. Utilizando el enfoque de división entrenamiento/prueba, los datos se dividen en entrenamiento y prueba. La SVM se utiliza para entrenar y probar los datos. El parámetro C se fija en 0,05 y se utiliza la función de núcleo lineal. Para comparar los resultados se utilizaron la regresión logística, Nave Bayes, árboles de decisión, Perceptrón multicapa y bosque aleatorio. La SVM boosting propuesta tuvo un rendimiento excepcional, lo que la convierte en una herramienta mejor que las técnicas existentes.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:función kernel lineal, técnicas, máquina de vectores de apoyo, causa de muerte, herramientas de diagnóstico asistido, columna vertebral del ordenador, lote de interés, nivel de riesgo de la enfermedad, tamaño de los datos, datos
• Keywords:linear kernel function, techniques, support vector machine, cause of death, aided diagnostic tools, backbone of computer, lot of interest, disease risk level, size of data, data