Modelo de aprendizaje automático basado en el clasificador naive de bayes para la detección del nivel de depresión en estudiantes de la UNA-Puno 2022

• Autor: Coaquira Flores, Evelyn Eliana
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Nacional Del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:https://repositorio.unap.edu.pe:20.500.14082/20902
• Enlace del recurso: https://repositorio.unap.edu.pe/handle/20.500.14082/20902
• Nivel de acceso: acceso abierto
• Materia: Depresión; Aprendizaje Automático; Escala HDRS; Naive de Bayes; https://purl.org/pe-repo/ocde/ford#1.01.03

La depresión es un trastorno mental común que afecta a muchas personas en todo el mundo, su detección temprana es crucial para brindar el apoyo y tratamiento adecuado por lo que la investigación tiene como objetivo determinar un modelo de Aprendizaje Automático basado en el Clasificador Naive de Bayes para la detección del nivel de depresión en estudiantes de la UNA-Puno. Se recopilo una muestra de 519 estudiantes universitarios; se realizó la limpieza de datos, un análisis de datos, también se efectuó el preprocesamiento de la variable endógena utilizando el cuestionario HDRS y posteriormente se desarrolló el clasificador Naive Bayes utilizando aprendizaje automático con el 70% de los datos como entrenamiento y 30% para validación, tomando en cuenta características del estudiante asociados a la depresión, finalmente se avaluaron las métricas de evaluación. El modelo alcanzó una precisión global del 83.33% con un intervalo de confianza del 96% que oscila entre (0.7833 y 0.8834) con un Kappa del 74.52% lo que muestra concordancia mayor entre las predicciones del modelo y los valores reales, la precisión equilibrada que oscila entre el 68.93%, 90.69% indica que el modelo es altamente eficaz para la detección del nivel de depresión en estudiantes. Estos resultados subrayan la eficacia del modelo en la detección precoz y el tratamiento de la depresión beneficiando especialmente a sectores vulnerables, contribuyendo a la mejora de la salud mental en la población estudiantil.