El artículo titulado: “Reducción de Características utilizando Correlación de Spearman y Análisis de Componentes Principales para la Estimación de la Presión Arterial”, obtuvo una mención honorífica de la 8ª Conferencia Computación Aplicada – CIACA 2021, que se llevó a cabo en forma virtual desde el jueves, 18 de noviembre y finalizó este viernes, 19.
La autora principal y expositora durante el evento, la Ing. Carolina Villegas Colmán, es estudiante de la Maestría en Ciencias de la Computación de la FP-UNA, quien explicó que con la presentación en esta conferencia cumplió con uno de los requisitos para habilitar la presentación de tesis de Maestría, prevista próximamente.
Son co autores, los Profesores Dra. Cynthia Emilia Villalba, Dr. José Luis Vázquez Noguera y Dr. Miguel García Torres.
Resumen del artículo:
Determinar el número óptimo de predictores que deben incluirse en un modelo de predicción es una de las cuestiones críticas a medida que el conjunto de datos va incrementando. Además, algunos modelos pueden verse afectados por predictores no informativos. Aplicar la técnica de reducción de características apropiada, permitirá reducir la cantidad de variables numéricas de entrada no informativa o redundante, y mejorar el rendimiento de los modelos de predicción. El propósito del trabajo es la reducción de características utilizando Correlación de Spearman y Análisis de Componentes Principales, aplicadas con algoritmos de aprendizaje automático para la estimación de la presión arterial utilizando señales de fotopletismografía. Las técnicas de reducción de características en conjunto con los modelos predictores propuestos, presentan valores de estimación que se posicionan en el rango de precisión de los estándares AAMI y BHS.
