[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-122824-es":3,"doc-seo-122824-110":30,"detail-sidebar-cat-0-es-110":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":20,"is_downloadable":20,"audit_status":20,"page_count":21,"language":22,"language_code":23,"site_id":24,"html_lang":23,"table_of_contents":25,"faqs":26,"seo_title":27,"seo_description":14,"update_tm":28,"read_time":29},122824,962084928432,"Emma Wilson","https://ap-avatar.wpscdn.com/davatar_155a257f0dc6eb9ab79c44ca47cae57d",40,"Salud y Atención Médica","Cáncer de mama - Análisis estadístico - Análisis, representación y clasificación según varios modelos de Machine Learning","Informe de Trabajo de Fin de Grado centrado en el análisis de una base de datos con características de células tumorales mamarias. Aplica técnicas de Machine Learning para clasificar el diagnóstico final del tumor como benigno o maligno a partir de variables disponibles y compara el desempeño entre modelos. Incluye preprocesado y análisis descriptivo para comprender las variables de la muestra, y utiliza métricas de clasificación para recomendar la técnica con mejores predicciones, aportando además una primera aproximación al aprendizaje automático en Python.","El cáncer de mama. Análisis, representación y clasificación según varios modelos de Machine Learning sobre una base de datos.  \nUniversidad Miguel Hernández de Elche Facultad de Ciencias Sociales y Jurídicas de Elche Grado en Estadística Empresarial  \nTrabajo de Fin de Grado  \nAlumno: Jose Javier Lucena Muñoz   \nTutora: María Asunción Martínez Mayoral  \nCáncer de mama. Análisis estadístico.  \nÍndice de contenidos  \n1. Resumen  \n2. Palabras clave  \n3. Objetivos  \n3. 1 Antecedentes  \n3.2 Objetivos generales  \n3.3 Objetivos específicos  \n4. Información disponible  \n5. Metodología  \n5.1 Preprocesado de los datos  \n5.2 Análisis descriptivo  \n5.3 Modelos de clasificación  \n5.3.1 Modelo logístico  \n[5.3.1.1](5.3.1.1) Regularización para la selección de variables  \n[5.3.1.2](5.3.1.2) Ventajas e inconvenientes del modelo de regresión logística  \n5.3.2 Clasificador de Naïve Bayes  \n[5.3.2.1](5.3.2.1) Tipos de clasificadores Naïve Bayes  \n[5.3.2.2](5.3.2.2) Calibración de probabilidades  \n[5.3.2.3](5.3.2.3) Ventajas e incovenientes del clasificador Naïve Bayes  \n5.4 Método de aprendizaje en clasificación  \n5.4.1 Pasos a seguir para ajustar el modelo y validar la clasificación  \n5.5 Software y hardware  \n6. Resultados  \n6.1 Resultados del análisis descriptivo  \n6.1.1 Tipo de tumor  \n6.1.2 Análisis descriptivo de las características observadas por tipo de tumor  \n[6.1.2.1](6.1.2.1) Correlación entre variables predictoras  \n[6.1.2.2](6.1.2.2) Conclusiones sobre las variables predictoras  \n6.2 Resultados  \n6.2.1 Modelo logístico  \n6.2.2 Clasificador de Naïve Bayes  \n6.3 Conclusiones  \n7. Bibliografía  \n8. Anexos  \n\n| \u003Cbr>Autor: Jose Javier Lucena Muñoz |  | 1 de 50 |\n| --- | --- | --- |\n\nCáncer de mama. Análisis estadístico.  \n1 . Resumen  \nEste informe estadístico se centra en el análisis de una base de datos que contiene información sobre las características de células tumorales mamarias. El objetivo principal es aplicar diversas técnicas de Machine Learning para clasificar con precisiónel diagnóstico final de un tumor como benigno o maligno, en función del resto de características recopiladas, y comparar los resultados obtenidos, concluyendo sobre la mejor técnica para la predicción. Previamente se realiza un análisis descriptivo de la base de datos para conseguir un conocimiento pleno de cada una de las variables recopiladas en la muestra.  \nDespués de obtener los resultados de ambos modelos de aprendizaje automático propuestos, se comparan respecto de diversas métricas de clasificación, para recomendar finalmente cuál proporciona mejores predicciones.  \nEste trabajo ha supuesto una primera toma de contacto con el análisis estadístico, yen particular los modelos de machine learning, desarrollados con el lenguaje deprogramación Python, que no se ha trabajado en el plan de estudios del grado.  \n2.Palabras clave  \nLas palabras clave que abarcan la generalidad del proyecto son: cáncer de mama, tumor maligno, clasificación, estadística descriptiva, aprendizaje automático, regresión logística, Naïve Bayes, modelos de clasificación, Python, Machine-Learning.  \n\n| \u003Cbr>Autor: Jose Javier Lucena Muñoz |  | 2 de 50 |\n| --- | --- | --- |\n\nCáncer de mama. Análisis estadístico.  \n3 . Objetivos  \nEn este apartado presentamos los antecedentes de la base de datos utilizada en nuestro estudio y planteamos los objetivos sobre los que trabajamos.  \n3.1 Antecedentes  \nLa base de datos trabajada en este informe ha sido objeto de estudio en numerosasocasiones por parte de muchos equipos investigadores, dada la relevancia de laprevención del cáncer de mama y su detección temprana para evitar que se pueda convertir en una enfermedad mortal. En la base de datos “Wisconsin Diagnostic Breast Cancer (WDBC)”, creada conjuntamente por la Universidad de Wisconsin y el Centrode Ciencias Clínicas Madison (University of Wisconsin & Madison Clinical Sciences Center, 1996) se recopilaron un buen número de registros de tumores con información completa de diversas característ","cbCaij1N2GaN8Y00","https://ap.wps.com/l/cbCaij1N2GaN8Y00","pdf",1770605,1,50,"Spanish","es",110,"# Resumen\n# Palabras clave\n# Objetivos\n## Antecedentes\n## Objetivos generales\n## Objetivos específicos\n# Información disponible\n# Metodología\n## Preprocesado de los datos\n## Análisis descriptivo\n## Modelos de clasificación\n## Resultados\n## Conclusiones\n# Bibliografía\n# Anexos","[{\"question\":\"Qué objetivo persigue el trabajo sobre cáncer de mama con Machine Learning?\",\"answer\":\"Construir modelos para predecir si el tumor es benigno o maligno usando las variables disponibles y comparar modelos para determinar cuál ofrece mejores predicciones en la base de datos.\"},{\"question\":\"Qué modelos de clasificación se proponen y por qué se comparan?\",\"answer\":\"Se proponen, entre otros, el modelo logístico y el clasificador Naïve Bayes. Se comparan mediante métricas de clasificación para recomendar el enfoque con mayor rendimiento.\"},{\"question\":\"Qué papel tiene el análisis descriptivo antes del modelado?\",\"answer\":\"Permite comprender plenamente las variables de la base de datos mediante un análisis descriptivo previo, aportando conocimiento sobre características y relaciones entre variables predictoras.\"}]","Cáncer de mama - Análisis estadístico - Análisis, representación y clasificación según varios modelos de Machine Learning | PDF",1785813095,77,{"code":4,"msg":31,"data":32},"ok",{"site_id":24,"language":23,"slug":33,"title":13,"keywords":34,"description":14,"schema_data":35,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":28},"breast-cancer-statistical-analysis-analysis-representation-and-classification-using-several-machine-learning-models","",{"@graph":36,"@context":86},[37,54,69],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":20},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/es/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/es/document/salud-y-atención-médica/",3,{"item":52,"name":13,"@type":43,"position":53},"https://docshare.wps.com/es/document/breast-cancer-statistical-analysis-analysis-representation-and-classification-using-several-machine-learning-models/122824/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":23,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":41,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-17","2026-08-04",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Qué objetivo persigue el trabajo sobre cáncer de mama con Machine Learning?","Question",{"text":76,"@type":77},"Construir modelos para predecir si el tumor es benigno o maligno usando las variables disponibles y comparar modelos para determinar cuál ofrece mejores predicciones en la base de datos.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Qué modelos de clasificación se proponen y por qué se comparan?",{"text":81,"@type":77},"Se proponen, entre otros, el modelo logístico y el clasificador Naïve Bayes. Se comparan mediante métricas de clasificación para recomendar el enfoque con mayor rendimiento.",{"name":83,"@type":74,"acceptedAnswer":84},"Qué papel tiene el análisis descriptivo antes del modelado?",{"text":85,"@type":77},"Permite comprender plenamente las variables de la base de datos mediante un análisis descriptivo previo, aportando conocimiento sobre características y relaciones entre variables predictoras.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":24},{"code":4,"msg":5,"data":93},[94,99,103,107,111,115,119,123,127,129],{"id":95,"doc_module":4,"doc_module_name":46,"category_name":96,"show_sort_weight":97,"slug":98},39,"Cómic",60,"comic",{"id":100,"doc_module":4,"doc_module_name":46,"category_name":101,"show_sort_weight":97,"slug":102},43,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":46,"category_name":105,"show_sort_weight":97,"slug":106},38,"Examen","exam",{"id":108,"doc_module":4,"doc_module_name":46,"category_name":109,"show_sort_weight":97,"slug":110},44,"General","general",{"id":112,"doc_module":4,"doc_module_name":46,"category_name":113,"show_sort_weight":97,"slug":114},41,"Investigación e Informes","research-report",{"id":116,"doc_module":4,"doc_module_name":46,"category_name":117,"show_sort_weight":97,"slug":118},37,"Literatura","literature",{"id":120,"doc_module":4,"doc_module_name":46,"category_name":121,"show_sort_weight":97,"slug":122},22,"Relatos y Novelas","story-novel",{"id":124,"doc_module":4,"doc_module_name":46,"category_name":125,"show_sort_weight":97,"slug":126},42,"Religión y Espiritualidad","religion-spirituality",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":97,"slug":128},"healthcare",{"id":130,"doc_module":4,"doc_module_name":46,"category_name":131,"show_sort_weight":97,"slug":132},24,"Tecnología","technology"]