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
Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
Institución
Universidad Nacional de Misiones
OAI Identificador
oai:rid.unam.edu.ar:20.500.12219/3062

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