Modelo de minería de datos para la predicción de casos de anemia en gestantes de la provincia de Ilo.

• Autor: Condori Bellido, Sadan Eusebio
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Nacional de Moquegua
• Repositorio: UNAM-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unam.edu.pe:UNAM/101
• Enlace del recurso: https://repositorio.unam.edu.pe/handle/UNAM/101
• Nivel de acceso: acceso abierto
• Materia: Anemia; Naive bayes; Machine learning

En la actualidad la anemia es una enfermedad que afecta al 24.8% de la población mundial, siendo los más afectados los niños en edad preescolar y las madres gestantes, esta realidad se da en la mayoría de los países del mundo, dada su relevancia, existen muchas investigaciones abordadas desde diferentes perspectivas, entre ellas, desde el enfoque de la ciencia de la computación a través de su línea de investigación denominada minería de datos que consiste en investigaciones de predicción y clasificación utilizando los diferentes algoritmos. El presente trabajo de investigación pretende desarrollar un modelo de minería de datos predictivo aplicando las técnicas de Machine Learning, las que han aportado positivamente en el estudio de diferentes campos como la medicina. Al analizar el contexto del negocio, se planteó utilizar tres de la referidas técnicas para predecir futuros casos de madres gestantes con anemia, para lo cual se implementaron los algoritmos de Perceptrón Multicapa, Naive Bayer y Árbol de decisión J48, estos fueron entrenados sobre una base de datos histórica de 422 registros de madres gestantes con anemia de la Provincia de Ilo, el algoritmo que alcanzó mayor precisión fue el de Naive Bayes con un 89 %, seguido por el de árbol de decisión J48 con 79% y finalmente el perceptrón multicapa con un 62%. El desarrollo del proyecto se basó en la metodología CRISP-DM para desarrollar cada una de las etapas que condujeron al resultado final.