Resumen

Basándose en el creciente problema de las enfermedades cardíacas, su diagnóstico eficiente es de gran importancia para el mundo moderno. La inferencia estadística es la herramienta que la mayoría de los médicos utilizan para el diagnóstico, aunque en muchos casos no parece ser lo suficientemente poderosa. La agrupación de instancias de pacientes permite encontrar grupos para los cuales se pueden construir modelos estadísticos de manera más eficiente. Sin embargo, el rendimiento de este enfoque depende de las características utilizadas como atributos de agrupación. En este documento, se considera la metodología que consiste en combinar la selección de características no supervisada y la agrupación para mejorar el rendimiento del análisis estadístico. Se asume que el conjunto de atributos utilizados en las fases de agrupación y análisis estadístico debe ser diferente y no correlacionado. Por lo tanto, se considera el método que consiste en seleccionar características inversamente correlacionadas como atributos del análisis de agrupación. La metodología propuesta ha sido verificada mediante experimentos realizados en tres conjuntos de datos

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Enfermedades cardíacas; Diagnóstico; Inferencia estadística; Agrupamiento; Selección de características; Metodología
• Keywords:Heart diseases; Diagnosis; Statistical inference; Clustering; Feature selection; Methodology