Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/107266
Título : | Estudio del conjunto de datos NHANES mediante el empleo de técnicas de aprendizaje no supervisado |
Autoría: | Sánchez Temporal, Raúl |
Director: | Prados Carrasco, Ferran |
Tutor: | Subirats, Laia |
Resumen : | El conjunto de datos National Health and Nutrition Examination Survey (NHANES) facilitado por el Centro de Control de enfermedades y Prevención (CDC) supone una oportunidad única para llevar a cabo investigaciones y análisis que puedan ayudar en la mejora de la salud de las personas. En este trabajo se propone el uso de técnicas de aprendizaje no supervisado aplicado sobre los datos NHANES con el objetivo de detectar patrones que permitan perfilar a los pacientes en base a sus similitudes encontrando grupos (clústeres) naturales para estos. En concreto el trabajo se centra en el uso de métodos de agrupamiento basados en densidad y métodos jerárquicos. A su vez se crea una interfaz web que permite la clasificación de los pacientes en los diferentes clústeres que se generen. Para el desarrollo del trabajo se sigue la metodología Cross Industry Standard Process for Data Mining (CRISP-DM) ampliamente adoptada para proyectos de minería de datos que proporciona la descripción del ciclo de vida donde se definen las tareas necesarias para cada fase. |
Palabras clave : | NHANES aprendizaje automático clustering |
Tipo de documento: | info:eu-repo/semantics/masterThesis |
Fecha de publicación : | ene-2020 |
Licencia de publicación: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Aparece en las colecciones: | Bachelor thesis, research projects, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
rsancheztemTFM0120memoria.pdf | Memoria del TFM | 9,01 MB | Adobe PDF | Visualizar/Abrir |
rsancheztemTFM0120presentación.pdf | Presentación del TFM | 8,46 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons