Aplicación del aprendizaje automático con árboles de decisión en el diagnóstico médico
Presentar la forma como la minería de datos es aplicable en la medicina como una técnica de clasificación que se puede utilizar para diagnosticar la existencia o no de enfermedades, con base la exploración sistemática de la información histórica disponible de casos previamente diagnosticados y d...
Autores Principales: | , , |
---|---|
Lenguaje: | Español (Spanish) |
Publicado: |
Universidad Libre de Pereira
2013-06-01
|
Materias: | |
Acceso en línea: | https://hdl.handle.net/10901/17520 |
id |
ir-10901-17520 |
---|---|
recordtype |
dspace |
spelling |
Arias Montoya, Reinel Santa Chávez, Jhon Jairo Veloza Mora, Juan de Jesús Pereira 2014-07-24T00:09:42Z 2019-10-04T18:43:46Z 2014-07-24T00:09:42Z 2019-10-04T18:43:46Z 2013-06-01 1794-5232 https://hdl.handle.net/10901/17520 Resultados Se evidencia la efectividad de utilizar el método de aprendizaje por árbol de decisión, para la exploración información multivariada en el apoyo a la toma de decisiones, en el área del diagnóstico de enfermedades. Los árboles de decisión obtenidos son de muy fácil entendimiento y utilización, ya que limita la labor de priorización de las variables críticas que mas influyen en la respuesta. Presentar la forma como la minería de datos es aplicable en la medicina como una técnica de clasificación que se puede utilizar para diagnosticar la existencia o no de enfermedades, con base la exploración sistemática de la información histórica disponible de casos previamente diagnosticados y documentados. Universidad Libre de Pereira application/pdf spa Universidad Libre de Pereira Vol. 10;N° 1; Atribución-NoComercial-SinDerivadas 3.0 Estados Unidos de América http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Atribución-NoComercial-SinDerivadas 2.5 Colombia Diagnostico Minería de datos Enfermedades cardiovasculares diagnóstico minería de datos neoplasias de la mama enfermedades cardiovasculares Aplicación del aprendizaje automático con árboles de decisión en el diagnóstico médico Articulo de la revista |
institution |
Universidad Libre de Colombia |
collection |
DSpace |
title |
Aplicación del aprendizaje automático con árboles de decisión en el diagnóstico médico |
spellingShingle |
Aplicación del aprendizaje automático con árboles de decisión en el diagnóstico médico Arias Montoya, Reinel Santa Chávez, Jhon Jairo Veloza Mora, Juan de Jesús Diagnostico Minería de datos Enfermedades cardiovasculares diagnóstico minería de datos neoplasias de la mama enfermedades cardiovasculares |
title_short |
Aplicación del aprendizaje automático con árboles de decisión en el diagnóstico médico |
title_full |
Aplicación del aprendizaje automático con árboles de decisión en el diagnóstico médico |
title_fullStr |
Aplicación del aprendizaje automático con árboles de decisión en el diagnóstico médico |
title_full_unstemmed |
Aplicación del aprendizaje automático con árboles de decisión en el diagnóstico médico |
title_sort |
aplicación del aprendizaje automático con árboles de decisión en el diagnóstico médico |
author |
Arias Montoya, Reinel Santa Chávez, Jhon Jairo Veloza Mora, Juan de Jesús |
author_facet |
Arias Montoya, Reinel Santa Chávez, Jhon Jairo Veloza Mora, Juan de Jesús |
topic |
Diagnostico Minería de datos Enfermedades cardiovasculares diagnóstico minería de datos neoplasias de la mama enfermedades cardiovasculares |
topic_facet |
Diagnostico Minería de datos Enfermedades cardiovasculares diagnóstico minería de datos neoplasias de la mama enfermedades cardiovasculares |
publishDate |
2013-06-01 |
language |
Español (Spanish) |
publisher |
Universidad Libre de Pereira |
description |
Presentar la forma como la minería de datos es aplicable en la medicina como una
técnica de clasificación que se puede utilizar para diagnosticar la existencia o no de
enfermedades, con base la exploración sistemática de la información histórica disponible
de casos previamente diagnosticados y documentados.
|
geographic_facet |
Pereira |
issn |
1794-5232 |
url |
https://hdl.handle.net/10901/17520 |
_version_ |
1779706005812150272 |
score |
12,131701 |