Buscador :
Volver al Menú
| : /
Vote:
Resultados:
3 Votos
ENERO-DICIEMBRE 2024 - Volumen: 11 - Páginas: [10P.]
¿Le interesa este artículo? Puede comprar el artículo a través de la plataforma de pago de PayPal o tarjeta de crédito (VISA, MasterCard,...) por 20 €.
RESUMEN En este estudio comparativo de modelos de aprendizaje automático para predecir el comportamiento suicida, se evaluaron tres enfoques: red neuronal, regresión logística y árboles de decisión. Los resultados revelaron que la red neuronal mostró el mejor rendimiento predictivo, con una precisión del 82.35%, seguida por la regresión logística (76.47%) y los árboles de decisión (64.71%). Además, el análisis de explicabilidad reveló que cada modelo asignó diferente importancia a las características en la predicción del comportamiento suicida, destacando la necesidad de comprender cómo los modelos interpretan las características y cómo influyen en las predicciones.El estudio proporciona información valiosa para profesionales de la salud y expertos en prevención del suicidio, permitiéndoles diseñar intervenciones más efectivas y comprender mejor los factores de riesgo asociados al comportamiento suicida. Sin embargo, se señala la necesidad de considerar otros factores, como la interpretabilidad del modelo y su aplicabilidad en diferentes contextos o poblaciones. Además, se recomienda realizar más investigaciones y validaciones en diferentes conjuntos de datos para fortalecer la comprensión y aplicabilidad de los modelos en diferentes contextos.En resumen, este estudio contribuye significativamente al campo de la predicción del comportamiento suicida utilizando modelos de aprendizaje automático, ofreciendo una visión detallada de las fortalezas y debilidades de cada enfoque y destacando la importancia de la interpretación de los modelos para comprender mejor los factores subyacentes al comportamiento suicida.Palabras clave: Predicción de comportamiento suicida, Modelos de aprendizaje automático, Redes neuronales, Regresión logística, Árboles de decisión, Análisis de explicabilidad, Intervención en salud
Compártenos:
© Revista de Ingeniería Dyna NewTechnologies
EDITORIAL: Publicaciones DYNA SL
Dirección: Alameda Mazarredo 69 - 2º, 48009-Bilbao SPAIN
Email: info@dyna-newtech.com - Web: http://www.dyna-newtech.com
Regístrese en un paso con su email y podrá personalizar sus preferencias mediante su perfil
Nombre: *
Apellido 1: *
Apellido 2:
Email: *