Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores
- Autores
- Ganz, Nancy Beatriz; Ares, Alicia Esther; Kuna, Horacio Daniel; Congreso Argentino de Ciencias de la Computación (25° : 2019 : Río cuarto)
- Año de publicación
- 2019
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Fil: Ganz, Nancy Beatriz. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Materiales de Misiones; Argentina.
Fil: Ganz, Nancy Beatriz. Universidad Nacional de Misiones. Facultad de Ciencias Exactas Químicas y Naturales. Instituto de Materiales de Misiones; Argentina.
Fil: Ares, Alicia Esther. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Materiales de Misiones; Argentina.
Fil: Ares, Alicia Esther. Universidad Nacional de Misiones. Facultad de Ciencias Exactas Químicas y Naturales. Instituto de Materiales de Misiones; Argentina.
Fil: Kuna, Horacio Daniel. Universidad Nacional de Misiones. Facultad de Ciencias Exactas Químicas y Naturales. Instituto de Investigación, Desarrollo e Innovación en Informática; Argentina.
El campo de la ciencia de datos ha tenido muchos avances respecto a la aplicación y desarrollo de técnicas en el sector de la salud. Sin embargo, no se han encontrado trabajos que apliquen procesos o técnicas de aprendizaje automático específicamente al campo de la odontología, como es el caso de los injertos o implantes dentales. En este trabajo se estudia la aplicación de varios clasificadores para evaluar la precisión de clasificación de forma integrada sobre un conjunto desbalanceado, referido a historias clínicas de implantes dentales recolectados en puntos característicos de la Provincia de Misiones, Argentina. El modelo abarcó la combinación de los clasificadores: Random Forest, SVC, KNN, Naive Bayes y un Perceptrón Multicapa. La integración de las predicciones se realiza a través del promedio de las mismas, empleando un umbral y pesos en los clasificadores. Como resultado, cada clasificador logró hasta un 68% de acierto de la clase minoritaria, mientras que la integración de todas las predicciones permitió alcanzar el 72% de casos correctamente identificados como fracaso. - Materia
-
Ensamble de clasificadores
Predicción
Clase minoritaria
Postoperatorio
Implantes dentales
Ciencias Informáticas - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- Atribución-NoComercial-CompartirIgual 4.0 Internacional
- Repositorio
- Institución
- Universidad Nacional de Misiones
- OAI Identificador
- oai:rid.unam.edu.ar:20.500.12219/3062
Ver los metadatos del registro completo
id |
RIDUNaM_1a2f50f6cd9a451911087001bd35ecc2 |
---|---|
oai_identifier_str |
oai:rid.unam.edu.ar:20.500.12219/3062 |
network_acronym_str |
RIDUNaM |
repository_id_str |
|
network_name_str |
Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) |
spelling |
Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadoresGanz, Nancy BeatrizAres, Alicia EstherKuna, Horacio DanielCongreso Argentino de Ciencias de la Computación (25° : 2019 : Río cuarto)Ensamble de clasificadoresPredicciónClase minoritariaPostoperatorioImplantes dentalesCiencias InformáticasFil: Ganz, Nancy Beatriz. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Materiales de Misiones; Argentina.Fil: Ganz, Nancy Beatriz. Universidad Nacional de Misiones. Facultad de Ciencias Exactas Químicas y Naturales. Instituto de Materiales de Misiones; Argentina.Fil: Ares, Alicia Esther. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Materiales de Misiones; Argentina.Fil: Ares, Alicia Esther. Universidad Nacional de Misiones. Facultad de Ciencias Exactas Químicas y Naturales. Instituto de Materiales de Misiones; Argentina.Fil: Kuna, Horacio Daniel. Universidad Nacional de Misiones. Facultad de Ciencias Exactas Químicas y Naturales. Instituto de Investigación, Desarrollo e Innovación en Informática; Argentina.El campo de la ciencia de datos ha tenido muchos avances respecto a la aplicación y desarrollo de técnicas en el sector de la salud. Sin embargo, no se han encontrado trabajos que apliquen procesos o técnicas de aprendizaje automático específicamente al campo de la odontología, como es el caso de los injertos o implantes dentales. En este trabajo se estudia la aplicación de varios clasificadores para evaluar la precisión de clasificación de forma integrada sobre un conjunto desbalanceado, referido a historias clínicas de implantes dentales recolectados en puntos característicos de la Provincia de Misiones, Argentina. El modelo abarcó la combinación de los clasificadores: Random Forest, SVC, KNN, Naive Bayes y un Perceptrón Multicapa. La integración de las predicciones se realiza a través del promedio de las mismas, empleando un umbral y pesos en los clasificadores. Como resultado, cada clasificador logró hasta un 68% de acierto de la clase minoritaria, mientras que la integración de todas las predicciones permitió alcanzar el 72% de casos correctamente identificados como fracaso.UniRío Editora2019-04-20info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdf1.07 MBhttps://hdl.handle.net/20.500.12219/3062spainfo:eurepo/semantics/altIdentifier/hdl/http://sedici.unlp.edu.ar/handle/10915/91034info:eu-repo/semantics/openAccessAtribución-NoComercial-CompartirIgual 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-sa/4.0/reponame:Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)instname:Universidad Nacional de Misiones2025-09-29T15:02:14Zoai:rid.unam.edu.ar:20.500.12219/3062instacron:UNAMInstitucionalhttps://rid.unam.edu.ar/Universidad públicahttps://www.unam.edu.ar/https://rid.unam.edu.ar/oai/rsnrdArgentinaopendoar:2025-09-29 15:02:15.115Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) - Universidad Nacional de Misionesfalse |
dc.title.none.fl_str_mv |
Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores |
title |
Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores |
spellingShingle |
Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores Ganz, Nancy Beatriz Ensamble de clasificadores Predicción Clase minoritaria Postoperatorio Implantes dentales Ciencias Informáticas |
title_short |
Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores |
title_full |
Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores |
title_fullStr |
Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores |
title_full_unstemmed |
Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores |
title_sort |
Evaluación de la precisión de acierto de un conjunto desbalanceado mediante la combinación de clasificadores |
dc.creator.none.fl_str_mv |
Ganz, Nancy Beatriz Ares, Alicia Esther Kuna, Horacio Daniel Congreso Argentino de Ciencias de la Computación (25° : 2019 : Río cuarto) |
author |
Ganz, Nancy Beatriz |
author_facet |
Ganz, Nancy Beatriz Ares, Alicia Esther Kuna, Horacio Daniel Congreso Argentino de Ciencias de la Computación (25° : 2019 : Río cuarto) |
author_role |
author |
author2 |
Ares, Alicia Esther Kuna, Horacio Daniel Congreso Argentino de Ciencias de la Computación (25° : 2019 : Río cuarto) |
author2_role |
author author author |
dc.subject.none.fl_str_mv |
Ensamble de clasificadores Predicción Clase minoritaria Postoperatorio Implantes dentales Ciencias Informáticas |
topic |
Ensamble de clasificadores Predicción Clase minoritaria Postoperatorio Implantes dentales Ciencias Informáticas |
dc.description.none.fl_txt_mv |
Fil: Ganz, Nancy Beatriz. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Materiales de Misiones; Argentina. Fil: Ganz, Nancy Beatriz. Universidad Nacional de Misiones. Facultad de Ciencias Exactas Químicas y Naturales. Instituto de Materiales de Misiones; Argentina. Fil: Ares, Alicia Esther. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Materiales de Misiones; Argentina. Fil: Ares, Alicia Esther. Universidad Nacional de Misiones. Facultad de Ciencias Exactas Químicas y Naturales. Instituto de Materiales de Misiones; Argentina. Fil: Kuna, Horacio Daniel. Universidad Nacional de Misiones. Facultad de Ciencias Exactas Químicas y Naturales. Instituto de Investigación, Desarrollo e Innovación en Informática; Argentina. El campo de la ciencia de datos ha tenido muchos avances respecto a la aplicación y desarrollo de técnicas en el sector de la salud. Sin embargo, no se han encontrado trabajos que apliquen procesos o técnicas de aprendizaje automático específicamente al campo de la odontología, como es el caso de los injertos o implantes dentales. En este trabajo se estudia la aplicación de varios clasificadores para evaluar la precisión de clasificación de forma integrada sobre un conjunto desbalanceado, referido a historias clínicas de implantes dentales recolectados en puntos característicos de la Provincia de Misiones, Argentina. El modelo abarcó la combinación de los clasificadores: Random Forest, SVC, KNN, Naive Bayes y un Perceptrón Multicapa. La integración de las predicciones se realiza a través del promedio de las mismas, empleando un umbral y pesos en los clasificadores. Como resultado, cada clasificador logró hasta un 68% de acierto de la clase minoritaria, mientras que la integración de todas las predicciones permitió alcanzar el 72% de casos correctamente identificados como fracaso. |
description |
Fil: Ganz, Nancy Beatriz. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Materiales de Misiones; Argentina. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-04-20 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
https://hdl.handle.net/20.500.12219/3062 |
url |
https://hdl.handle.net/20.500.12219/3062 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eurepo/semantics/altIdentifier/hdl/http://sedici.unlp.edu.ar/handle/10915/91034 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess Atribución-NoComercial-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-nc-sa/4.0/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-nc-sa/4.0/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf 1.07 MB |
dc.publisher.none.fl_str_mv |
UniRío Editora |
publisher.none.fl_str_mv |
UniRío Editora |
dc.source.none.fl_str_mv |
reponame:Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) instname:Universidad Nacional de Misiones |
reponame_str |
Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) |
collection |
Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) |
instname_str |
Universidad Nacional de Misiones |
repository.name.fl_str_mv |
Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) - Universidad Nacional de Misiones |
repository.mail.fl_str_mv |
|
_version_ |
1844623283230605312 |
score |
12.559606 |