Modelo predictivo de los estilos de vida para estudiantes universitarios basado en técnicas de machine learning

• Autor: Flores Huamaní, Elizabeth
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional José María Arguedas
• Repositorio: UNAJMA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unajma.edu.pe:20.500.14168/790
• Enlace del recurso: https://hdl.handle.net/20.500.14168/790
• Nivel de acceso: acceso abierto
• Materia: Estilos de vida,; Machine Learning,; diagnóstico,; estudiantes universitarios.; http://purl.org/pe-repo/ocde/ford#2.02.04

En el presente trabajo de investigación se inició a partir de una realidad problemática, estilos de vida no saludable que adoptan miles de estudiantes universitarios en el Perú y en el mundo durante la etapa universitaria, estos comportamientos inadecuados a largo plazo, llegan a causar enfermedades no transmisibles y degenerativas. Por tal razón, se planteó como objetivo general: Predecir los estilos de vida que adoptan los estudiantes universitarios con el modelo predictivo basado en Técnicas de Machine Learning. La investigación tuvo como hipótesis: El modelo predictivo basado en Técnicas de Machine Learning permite predecir los estilos de vida que adoptan los estudiantes universitarios. El tipo de investigación que se ha considerado fue predictivo y el nivel de investigación fue descriptivo, considerando una población de 2031 estudiantes, por lo que se tomó una muestra de 323 estudiantes, el instrumento de recolección de datos utilizado fue la encuesta. La metodología que se utilizó para esta investigación fue la metodología de KDD (Knowledge Discovery in Databases), que sirvió como base para la secuencia de etapas para esta investigación. Las etapas que incluyen son: 1. Recopilación de Datos, 2. Selección, Limpieza y Transformación, 3. Generación del modelo predictivo, 4. Interpretación y evaluación. En la primera etapa, se recolectó registros recolectados mediante una encuesta a los estudiantes universitarios. En la segunda etapa, se realizó el preprocesamiento de datos, el balanceo de datos y la selección de características. En la tercera etapa, se utilizó los algoritmos supervisados de Machine Learning para crear el modelo predictivo. En la cuarta etapa, se interpretaron y se evaluaron los resultados de las métricas de evaluación generadas por los algoritmos de SVM, KNN y Árboles de decisiones. Para los resultados se logró predecir los estilos de vida que adoptan los estudiantes universitarios con el modelo predictivo basado en Técnicas de Machine Learning. Por lo tanto, se concluye que el modelo predictivo basado en Técnicas de Machine Learning sí permite predecir los estilos de vida que adoptan los estudiantes universitarios.