Modelo predictivo para la clasificación de donantes de sangre en el Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia, Medellín. 2019

dc.contributorTangarife Villa, Carlos Alberto
dc.creatorRodríguez Arango, Laura María
dc.date2021-02-24T22:41:40Z
dc.date2021-02-24T22:41:40Z
dc.date2019
dc.date.accessioned2023-08-28T20:21:26Z
dc.date.available2023-08-28T20:21:26Z
dc.identifierhttp://hdl.handle.net/10495/18667
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8477886
dc.descriptionRESUMEN: Machine Learning es una disciplina de la Inteligencia Artificial que crea sistemas que aprenden automáticamente identificando patrones complejos en millones de datos, lo que es importante en esta década donde día a día abundan los datos. Este estudio tiene como objetivo elaborar un modelo de aprendizaje automático o de máquinas (machine learning -ML) para la clasificación de donantes de sangre voluntarios en donante frecuente o no frecuente, del Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia. Para ello se tuvo en cuenta una base de datos extraída del sistema de información de registro de donantes de Sangre de dicho banco y se aplicaron varios tipos de algoritmos (modelos) con el fin de experimentar y finalmente escoger uno o varios de acuerdo a su rendimiento o ajuste. Entre los algoritmos implementados, los que mejor se ajustaron con los datos de Test fueron: Regresión logística, k-Nearest Neighbors, Gaussian Naive Bayes- GNB y Maquinas de soporte de vector –SVM; estos se ajustan todos en un 93%. No obstante, también encontrará conceptos necesarios para el entendimiento y comprensión del experimento.
dc.descriptionABSTRACT: Machine Learning is a discipline of Artificial Intelligence that creates systems that automatically learn by identifying complex patterns in millions of data, which is important in this decade where data abounds every day. The objective of this study is to develop a machine learning (ML) model for the classification of voluntary blood donors into frequent or non-frequent donors, from the Blood Bank of the School of Microbiology of the University of Antioquia. For this, a database extracted from the Blood donor registry information system of said bank was taken into account and several types of algorithms (models) were applied in order to experiment and finally choose one or more according to their performance. or adjustment. Among the algorithms implemented, the ones that best fitted with the Test data were: Logistic Regression, k-Nearest Neighbors, Gaussian Naive Bayes-GNB and Vector Support Machines -SVM; these are all 93% adjusted. However, you will also find concepts necessary for understanding and understanding the experiment.
dc.format71
dc.formatapplication/word
dc.formatapplication/pdf
dc.languagespa
dc.publisherMedellín, Colombia
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectDonantes de sangre
dc.subjectBlood donors
dc.subjectBancos de sangre
dc.subjectBlood banks
dc.subjectModelos predictivos
dc.subjectForecasting
dc.subjectAnálisis de datos
dc.subjectData analysis
dc.subjectProcesamiento automatizado de datos
dc.subjectElectronic data processing
dc.subjectBanco de Sangre de la Escuela de Microbiología. Universidad de Antioquia
dc.subjecthttp://id.nlm.nih.gov/mesh/D001782
dc.subjecthttp://id.nlm.nih.gov/mesh/D001771
dc.subjecthttp://id.nlm.nih.gov/mesh/D005544
dc.subjecthttp://id.nlm.nih.gov/mesh/D000078332
dc.subjecthttp://id.nlm.nih.gov/mesh/D001330
dc.titleModelo predictivo para la clasificación de donantes de sangre en el Banco de Sangre de la Escuela de Microbiología de la Universidad de Antioquia, Medellín. 2019
dc.typeinfo:eu-repo/semantics/bachelorThesis
dc.typeinfo:eu-repo/semantics/draft
dc.typehttp://purl.org/coar/resource_type/c_7a1f
dc.typehttps://purl.org/redcol/resource_type/TP
dc.typeTesis/Trabajo de grado - Monografía - Pregrado


Este ítem pertenece a la siguiente institución