Ensamblado ad hoc de clasificadores para la detección de cáncer de mama usando Scikit-learn
En el presente, el cáncer de mama es uno de los cánceres más frecuentes y es la segunda causa de muerte en mujeres en todo el mundo. Asimismo, cada vez es más difícil ignorar el constante e intenso aumento de la importancia de los enfoques de minería de datos en los diagnósticos médicos. En este sen...
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
2019
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/91033 |
| Aporte de: |
| id |
I19-R120-10915-91033 |
|---|---|
| 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 Cáncer de mama Clasificación de tumores Ensamblado de clasificadores Sesgo Varianza Bagging Boosting Scikitlearn |
| spellingShingle |
Ciencias Informáticas Cáncer de mama Clasificación de tumores Ensamblado de clasificadores Sesgo Varianza Bagging Boosting Scikitlearn Maciel Cardozo, Andrés Sosa Cabrera, Gustavo García Díaz, María E. Ensamblado ad hoc de clasificadores para la detección de cáncer de mama usando Scikit-learn |
| topic_facet |
Ciencias Informáticas Cáncer de mama Clasificación de tumores Ensamblado de clasificadores Sesgo Varianza Bagging Boosting Scikitlearn |
| description |
En el presente, el cáncer de mama es uno de los cánceres más frecuentes y es la segunda causa de muerte en mujeres en todo el mundo. Asimismo, cada vez es más difícil ignorar el constante e intenso aumento de la importancia de los enfoques de minería de datos en los diagnósticos médicos. En este sentido, central a toda la disciplina de la minería de datos, encontramos la clasificación como la tarea preponderante en el proceso de toma de decisiones para los médicos. A día de hoy, una gran cantidad de clasificadores se han propuesto en la literatura.
Sin embargo, teniendo en cuenta la cantidad de personas afectadas por el cáncer, merece la pena seguir desarrollando técnicas que puedan contribuir en mejores formas de diagnóstico. En lo que a este estudio concierne, se ha considerado introducir un ensamblado de clasificadores, propuesto en razón al balance entre sus factores individuales de sesgo y varianza. Demostrando la correctitud de la metodología adoptada para la conjunción ad hoc de los clasificadores, los resultados empíricos de este estudio proporcionan evidencia de una mejor clasificación de los tumores como maligno o benigno, en cuanto a precisión se refiere. |
| format |
Objeto de conferencia Objeto de conferencia |
| author |
Maciel Cardozo, Andrés Sosa Cabrera, Gustavo García Díaz, María E. |
| author_facet |
Maciel Cardozo, Andrés Sosa Cabrera, Gustavo García Díaz, María E. |
| author_sort |
Maciel Cardozo, Andrés |
| title |
Ensamblado ad hoc de clasificadores para la detección de cáncer de mama usando Scikit-learn |
| title_short |
Ensamblado ad hoc de clasificadores para la detección de cáncer de mama usando Scikit-learn |
| title_full |
Ensamblado ad hoc de clasificadores para la detección de cáncer de mama usando Scikit-learn |
| title_fullStr |
Ensamblado ad hoc de clasificadores para la detección de cáncer de mama usando Scikit-learn |
| title_full_unstemmed |
Ensamblado ad hoc de clasificadores para la detección de cáncer de mama usando Scikit-learn |
| title_sort |
ensamblado ad hoc de clasificadores para la detección de cáncer de mama usando scikit-learn |
| publishDate |
2019 |
| url |
http://sedici.unlp.edu.ar/handle/10915/91033 |
| work_keys_str_mv |
AT macielcardozoandres ensambladoadhocdeclasificadoresparaladetecciondecancerdemamausandoscikitlearn AT sosacabreragustavo ensambladoadhocdeclasificadoresparaladetecciondecancerdemamausandoscikitlearn AT garciadiazmariae ensambladoadhocdeclasificadoresparaladetecciondecancerdemamausandoscikitlearn |
| bdutipo_str |
Repositorios |
| _version_ |
1764820490614996993 |