Resumen

La predicción correcta de las enfermedades del corazón puede prevenir amenazas para la vida, y la predicción incorrecta puede resultar fatal al mismo tiempo. En este artículo se aplican diferentes algoritmos de aprendizaje automático y aprendizaje profundo para comparar los resultados y el análisis del conjunto de datos de enfermedades cardíacas de UCI Machine Learning. El conjunto de datos consta de 14 atributos principales utilizados para realizar el análisis. Se obtienen varios resultados prometedores y se validan utilizando la precisión y la matriz de confusión. El conjunto de datos consta de algunas características irrelevantes que se manejan utilizando Isolation Forest, y los datos también se normalizan para obtener mejores resultados. También se discute cómo este estudio puede combinarse con algunas tecnologías multimedia como los dispositivos móviles. Utilizando el enfoque de aprendizaje profundo, se obtuvo un 94,2 de precisión.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:predicción del corazón, enfoque de aprendizaje profundo, aprendizaje automático de la uci, varios resultados prometedores, conjunto de datos de enfermedades del corazón, aprendizaje automático del corazón, aprendizaje de enfermedades del corazón, conjunto de datos, predicción incorrecta, máquina diferente
• Keywords:prediction of heart, deep learning approach, uci machine learning, various promising results, heart disease dataset, machine learning heart, learning heart disease, dataset, incorrect prediction, different machine