Machine learning with data augmentation to predict glucantime effectiveness against cutaneous leishmaniasis
Enfrentar problemas de análisis de datos en pequeños conjuntos de datos es un problema común en la investigación médica; asimismo, es un problema que dificulta mucho la aplicación y el éxito de los algoritmos clásicos de aprendizaje automático. Muchas técnicas han abordado el problema de un pequeño...
- Autores:
-
Hoyos Urcué, Juan José
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Pontificia Universidad Javeriana Cali
- Repositorio:
- Vitela
- Idioma:
- eng
- OAI Identifier:
- oai:vitela.javerianacali.edu.co:11522/2841
- Acceso en línea:
- https://vitela.javerianacali.edu.co/handle/11522/2841
- Palabra clave:
- Machine Learning
Tabular data augmentation
Cutaneous leishmaniasis
Infectious disease
Synthetic data
Small dataset
K-Nearest neighbors
Logistic regression
Support vector machines
- Rights
- License
- https://creativecommons.org/licenses/by-nc-nd/4.0/