Resumen

La enfermedad cardíaca es la enfermedad más mortal y una de las principales causas de muerte en todo el mundo. El aprendizaje automático está desempeñando un papel esencial en el ámbito médico. En este documento, se utilizan métodos de aprendizaje en conjunto para mejorar el rendimiento en la predicción de enfermedades cardíacas. Dos métodos de extracción de características: análisis discriminante lineal (LDA) y análisis de componentes principales (PCA), se utilizan para seleccionar características esenciales del conjunto de datos. Se aplica la comparación entre algoritmos de aprendizaje automático y métodos de aprendizaje en conjunto a las características seleccionadas. Se utilizan diferentes métodos para evaluar los modelos: precisión, recordatorio, precisión, medida F y ROC. Los resultados muestran que el método de aprendizaje en conjunto de bagging con árbol de decisión ha logrado el mejor rendimiento.

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Enfermedad cardíaca; Aprendizaje automático; Métodos de aprendizaje en conjunto; Análisis discriminante lineal; Análisis de componentes principales; Aprendizaje en conjunto de bagging
• Keywords:Heart disease; Machine learning; Ensemble learning methods; Linear discriminant analysis; Principal component analysis; Bagging ensemble learning