Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores

Mostrar todas las versiones(2)

El campo de la ciencia de datos ha tenido muchos avances respecto a la aplicación y desarrollo de técnicas en el sector de la salud. Sin embargo, no se han encontrado trabajos que apliquen procesos o técnicas de aprendizaje automático específicamente al campo de la odontología, como es el caso de lo...

Descripción completa

Detalles Bibliográficos
Autores principales: Ganz, Nancy, Ares, Alicia E., Kuna, Horacio Daniel
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2019
Materias:
Ciencias Informáticas
Ensamble de clasificadores
Predicción
Clase minoritaria
Postoperatorio
Implantes Dentales
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/91034
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-91034
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Ensamble de clasificadores
Predicción
Clase minoritaria
Postoperatorio
Implantes Dentales
spellingShingle Ciencias Informáticas
Ensamble de clasificadores
Predicción
Clase minoritaria
Postoperatorio
Implantes Dentales
Ganz, Nancy
Ares, Alicia E.
Kuna, Horacio Daniel
Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores
topic_facet Ciencias Informáticas
Ensamble de clasificadores
Predicción
Clase minoritaria
Postoperatorio
Implantes Dentales
description El campo de la ciencia de datos ha tenido muchos avances respecto a la aplicación y desarrollo de técnicas en el sector de la salud. Sin embargo, no se han encontrado trabajos que apliquen procesos o técnicas de aprendizaje automático específicamente al campo de la odontología, como es el caso de los injertos o implantes dentales. En este trabajo se estudia la aplicación de varios clasificadores para evaluar la precisión de clasificación de forma integrada sobre un conjunto desbalanceado, referido a historias clínicas de implantes dentales recolectados en puntos característicos de la Provincia de Misiones, Argentina. El modelo abarcó la combinación de los clasificadores: Random Forest, SVC, KNN, Naive Bayes y un Perceptrón Multicapa. La integración de las predicciones se realiza a través del promedio de las mismas, empleando un umbral y pesos en los clasificadores. Como resultado, cada clasificador logró hasta un 68% de acierto de la clase minoritaria, mientras que la integración de todas las predicciones permitió alcanzar el 72% de casos correctamente identificados como fracaso.
format Objeto de conferencia
Objeto de conferencia
author Ganz, Nancy
Ares, Alicia E.
Kuna, Horacio Daniel
author_facet Ganz, Nancy
Ares, Alicia E.
Kuna, Horacio Daniel
author_sort Ganz, Nancy
title Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores
title_short Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores
title_full Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores
title_fullStr Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores
title_full_unstemmed Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores
title_sort evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores
publishDate 2019
url http://sedici.unlp.edu.ar/handle/10915/91034
work_keys_str_mv AT ganznancy evaluaciondelaprecisiondeaciertodeunconjuntodesbalanceadomediantelacombinaciondeclasificadores
AT aresaliciae evaluaciondelaprecisiondeaciertodeunconjuntodesbalanceadomediantelacombinaciondeclasificadores
AT kunahoraciodaniel evaluaciondelaprecisiondeaciertodeunconjuntodesbalanceadomediantelacombinaciondeclasificadores
bdutipo_str Repositorios
_version_ 1764820490614996999

Ejemplares similares