El aumento de los casos de diabetes de tipo 2 ha impulsado la investigación de sistemas de diagnóstico robustos. La integración del aprendizaje automático mejora estos sistemas analizando diversos conjuntos de datos y abordando complicaciones asociadas como la obesidad, los malos hábitos y la hipertensión. La detección precoz es crucial, dadas sus graves consecuencias para la salud. El aprendizaje automático, junto con el procesamiento del lenguaje natural, ayuda en el pronóstico, el diagnóstico y los planes de prevención. Utilizando el conjunto de datos PIDD (768 muestras, 16 atributos), esta investigación se centra en la predicción de la diabetes con un conjunto de características ampliado. El preprocesamiento incluye normalización, equilibrio con SMOTE y comprobaciones de integridad para mejorar la precisión del modelo. En general, este estudio pone de relieve el papel fundamental del ML en el avance de la comprensión de la diabetes de tipo 2 y las capacidades de predicción a través de metodologías meticulosas y la selección de conjuntos de datos.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.