O presente artigo apresenta um comparativo entre modelos preditivos, utilizando aprendizagem de máquina com redes neurais artificiais, para prever mortes por Doença de Chagas em dois anos. Para elaboração e execução dos modelos foram utilizados dados coletados de pacientes, portadores da Doença, que têm acompanhamento nas unidades básicas de saúde em seu local de residência. O conjunto de dados contém respostas das entrevistas, resultados de exames clínicos, dados demográficos do local de residência e um atributo alvo, que define se o paciente morreu no período abordado (dois anos). O comparativo foi realizado entre os modelos de Redes Neurais Artificiais (MLP e RBF) e Redes Neurais Convolucionais (CNN), exemplo de Deep Learning. Na preparação dos dados foram utilizadas técnicas de imputação de valores, Grid-Search e balanceamento de classes com Smote. Foram utilizadas técnicas de seleção de características para redução da amplitude da base de dados, Random Forest e Cálculo do Coeficiente de Pesos. Foi possível concluir que os modelos desenvolvidos com RNA RBF e Deep Learning com CNN apresentaram maior capacidade preditiva para o conjunto de dados avaliado.
BT - CONTRIBUCIONES A LAS CIENCIAS SOCIALES DO - 10.55905/revconv.17n.6-343 IS - 6 LA - POR M3 - Article N2 -O presente artigo apresenta um comparativo entre modelos preditivos, utilizando aprendizagem de máquina com redes neurais artificiais, para prever mortes por Doença de Chagas em dois anos. Para elaboração e execução dos modelos foram utilizados dados coletados de pacientes, portadores da Doença, que têm acompanhamento nas unidades básicas de saúde em seu local de residência. O conjunto de dados contém respostas das entrevistas, resultados de exames clínicos, dados demográficos do local de residência e um atributo alvo, que define se o paciente morreu no período abordado (dois anos). O comparativo foi realizado entre os modelos de Redes Neurais Artificiais (MLP e RBF) e Redes Neurais Convolucionais (CNN), exemplo de Deep Learning. Na preparação dos dados foram utilizadas técnicas de imputação de valores, Grid-Search e balanceamento de classes com Smote. Foram utilizadas técnicas de seleção de características para redução da amplitude da base de dados, Random Forest e Cálculo do Coeficiente de Pesos. Foi possível concluir que os modelos desenvolvidos com RNA RBF e Deep Learning com CNN apresentaram maior capacidade preditiva para o conjunto de dados avaliado.
PB - South Florida Publishing LLC PY - 2024 SP - 1 EP - 16 T2 - CONTRIBUCIONES A LAS CIENCIAS SOCIALES TI - Comparação de modelos de redes neurais artificiais para predição de mortes por doença de chagas em dois anos UR - https://ojs.revistacontribuciones.com/ojs/index.php/clcs/article/view/7921/4996 VL - 17 SN - 1988-7833, 1988-7833 ER -