Servicios Personalizados
Revista
Articulo
Indicadores
Citado por SciELO
Accesos
Links relacionados
Similares en SciELO
Compartir
Ingeniería, investigación y tecnología
versión On-line ISSN 2594-0732versión impresa ISSN 1405-7743
Resumen
PEREZ-SALVADOR, Blanca Rosa; SANCHEZ-LORDMENDEZ, Carlos Gabriel y BAPTISTA-GONZALEZ, Héctor Alfredo. Clasificación binaria para la predicción de trombosis. Ing. invest. y tecnol. [online]. 2017, vol.18, n.4, pp.457-464. ISSN 2594-0732.
La trombosis, como otros problemas de salud, puede ser de difícil diagnóstico. El diagnostico corresponde a un problema de clasificación. En este trabajo se resuelve un problema de clasificación usando software libre sobre una base de datos de pacientes del Instituto Nacional de Perinatología Isidro Espinoza Reyes con Síndrome de Anticuerpos Antifosfolípido (SAAF) y pacientes con trombosis sin SAAF. El trabajo analizó el riesgo de que una persona padezca la enfermedad mencionada. El estudio comprende rutinas de selección de variables, de imputación y dos de clasificación, una basada en regresión logística y la otra en el cociente de verosimilitud. Los resultados muestran que la clasificación basada en el cociente de verosimilitud fue mejor que la clasificación hecha con la regresión logística.
Palabras llave : clasificación binaria; regresión logística; lema de Neyman-Pearson; devianza.