Aplicación de un modelo de minería de datos para predecir el posible consumo de drogas

Abstract:

Resumen: El presente trabajo de titulación está enfocado en la aplicación de técnicas de minería de datos para predecir el posible consumo de drogas, se trabajó sobre información recolectada y proporcionada por el proyecto CEPRA XII: Técnicas de procesamiento automático aplicadas al análisis y pbkp_redicción del consumo de drogas , la cual contiene datos relacionados alconsumo de tabaco y otras drogas, esta información está organizada en variables de salud, variables sociodemográficas, tests y cuestionarios estandarizados, se realizó un tratamiento de datos aplicando distintos tipos de normalización, para la creación delos modelos se seleccionó los algoritmos de aprendizaje supervisado: Decisión_tree, GaussianNB y Logistic_regression, se realizó experimentaciones con los datos sometidos a distintos tipos de normalización, se aplicó las métricas: Accuracy, Recall, F1-score y error cuadrático medio para evaluar los resultados de cada modelo. Finalmente se desarrolló un prototipo web con la finalidad de cargar los datasets y visualizar los resultados de cada modelo.Se demuestra que es factible aplicar técnicas de minería de datos para predecir el consumo de tabaco sobre la información proporcionada por el proyecto CEPRA, pues el algoritmo Logistic_regresion y Decision_tree obtuvieron resultados bastante significativos, así mismo se comprueba que los resultados de cada modelo varían acorde al tipo de normalización a la que fueron sometidos los datos.

Año de publicación:

2020

Keywords:

• Minería de datos.
• Ingeniero en sistemas informáticos y computación.-
• Algoritmos.-

Fuente:

rraae