APLICACIÓN DEL MODELO DE CLUSTERIZACIÓN BASADO EN EL ALGORITMO DE K-MEANS PARA LA SEGMENTACIÓN DE LA MORBILIDAD MATERNA EN EL HOSPITAL SAN BARTOLOMÉ DE LA CIUDAD DE LIMA-2012

Keyla De La Cruz Gutiérrez, Joel Cieza Rivasplata, Caleb Flores Sahuanga

Resumen


La presente investigación tiene como objetivo segmentar las causas de la morbilidad materna del
hospital San Bartolomé, aplicando el modelo de clustering basado en el algoritmo de K-Means
de SQL Server. La metodología usada fue Crisp-DM. Los resultados del algoritmo mostraron
el modelo de minería de datos presentado por diez grupos segmentados de acuerdo a la mayor
similaridad que presentan entre ellos y las relaciones que se dan entre cada grupo.


Palabras clave


Clustering, K-means, Morbilidad, CRISP-DM, Data Mining.

Texto completo:

PDF

Referencias


Cristina García Cambronero and Irene Gómez

Moreno, “Algoritmos de aprendizaje:

knn & kmeans,” 2006.

Ing. Corso, Cynthia Lorena, “Aplicación

de algoritmos de clasificación supervisada

usando Weka”, Universidad Tecnológica

Nacional, Facultad Regional de Córdoba,

Colombia, 2008.

Priscila Valdiviezo Díaz, “Aplicación de

técnicas de aprendizaje automático para la

identificación de patrones de interacción

en una experiencia virtual de aprendizaje”,

Ernesto Gonzáles Dias and Zady Pérez Hernández,

“Obtención de patrones y reglas en

el proceso académico de la Universidad de

Ciencias Informáticas utilizando técnicas

de minería de datos”.

Jorge Enrique Ugarte Humeres, “Uso de algoritmos de clustering para predecir el

comportamiento de proteínas en cromatografías

de interacción hidrofóbica y sistemas

de dos fases acuosas”, Universidad de

Chile, Facultad de Ciencias Físicas y Matemáticas,

departamento de Ingeniería Química

y Biotecnología, Santiago de Chile,

Miguel Garre, Juan José Cuadrado, Miguel

A. Sicilia, Daniel Rodríguez, y Ricardo Rejas,

“Comparación de diferentes algoritmos

de clustering en la estimación de coste en el

desarrollo de software”, Alcalá de Henares,

Madrid, 2007.

Maribel Baltazar Domínguez, “Data Mining”,

Durango, 19-Mar-2010.

Joel Pérez Suárez, “Desarrollo de un Data

Mining para la toma de decisiones apoyado

en la herramienta WEKA para el supermercado

La Inmaculada”, junio-2011.

M.Sc. Ing. Francisco Fernández Periche,

“Aproximación funcional mediante redes

de funciones de base radial, una alternativa

para la predicción en el proceso de reducción

de mineral de la tecnología caron de

producción de níquel”, Universidad de Holguín,

Claudio Víctor Peña Hermosilla, “Desarrollar

una metodología de comportamiento

dinámico de objetos con identificador”,

Santiago de Chile, 2007.

Ramón David Lezcano “Minería de Datos”,

dinámico de objetos con identificador”,

Santiago de Chile, 2007.


Enlaces refback

  • No hay ningún enlace refback.


Copyright (c) 2016 Revista de Investigación Business Intelligence

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.