Análisis comparativo de algoritmos de aprendizaje automático para clasificar dengue virus

• Autor: Exebio Chepe, Yolanda Victoria de Fatima
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/12684
• Enlace del recurso: https://hdl.handle.net/20.500.12802/12684
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje automatico; Salud; Algoritmos; Metricas; Dengue; https://purl.org/pe-repo/ocde/ford#2.02.04

La enfermedad del dengue, propagada por el mosquito Aedes aegypti, requiere una clasificación precisa de casos para gestionarla de manera efectiva. En este ámbito, la aplicación de algoritmos de aprendizaje automático surge como una herramienta que puede mejorar el diagnóstico y contribuir a estrategias de control más eficientes. Por esta razón, la investigación se enfoca en realizar un análisis comparativo de algoritmos de aprendizaje automático para clasificar el virus del dengue. Se empleó un conjunto de datos de pacientes de un hospital público, recopilando 21,157 datos bajo los criterios de periodo, resultados, sexo, edades, sintomas, autóctono e importado. A través de una revisión de la literatura, se seleccionaron los algoritmos, entre ellos Support Vector Machine, Random Forest y Artificial Neural Network, que demostraron los mejores resultados en precisión. Posteriormente, se fraccionó el conjunto de datos en 14,809 datos (70%) para el entrenamiento y 6,348 datos (30%) para las pruebas. La evaluación del desempeño se llevó a cabo utilizando métricas como precisión, recall y especificidad. Los resultados indicaron que la Red Neuronal Artificial lidera con una precisión del 86.47% y un recall del 92.91% en la clasificación de casos relacionados con el dengue. Al evaluar tres algoritmos de clasificación, la Support Vector Machine destaca por su alto recall, Random Forest presenta un equilibrio sólido, y la Artificial Neural Network exhibe la mayor precisión.