Inspiration
En nuestra carrera hemos podido aprender sobre la predicción de una variable objetivo mediante modelos. Además de preprocesamiento de datos (tratamiento missings, outliers, reducción de dimensionalidad, estudio de correlaciones...). Creemos que este modelo podrá ayudar en la vida real en el ámbito de la medicina ,de la investigación, evitando muertes.
What it does
Hemos accedido a la base de datos de los pacientes. Hemos tratado los valores mediante un preprocesamiento intensivo y hemos creado modelos predictivos (KNN, Decision Tree, SVM, Redes Neuronales) para la variable "Progressive disease".
How we built it
Hemos decidido usar lenguaje Python y un jupyter notebook para hacer el proyecto, sacando los datos de la tabla csv que se nos ha proporcionado. El preprocesamiento de los datos y creación de modelos lo hemos ejecutado tanto en local como en google collab.
Challenges we ran into
Sobretodo nos ha costado comprender del significado de variables médicas, ya que muchas teníamos dudas sobre sus valores o vocabulario. Además, el tratamiento de datos ha sido difícil e intensivo, con poco tiempo.
Accomplishments that we're proud of
Conseguir unos modelos de predicción eficientes con más de un 90% de precisión y otras métricas. Esto significa que el modelo realmente aprende a predecirlo bien.
What we learned
Organización, cooperación, trabajo en equipo, comunicación y gestión del tiempo.
What's next for FibroPred_Atienza_Carrion_Figueras_Martinez
Acabar de desarrollar una calculadora predictiva para poder trabajar con nuevos pacientes sin necesidad de introducirlos en la base de datos. Y trabajar de manera eficiente y aprender sobre esta enfermedad y ampliar la base de datos para hacer predicciones más precisas.
Log in or sign up for Devpost to join the conversation.