Seguimiento – Laura Maria Acevedo Muriel

Punto 1.

a.

b.

De los resultados obtenidos en Knime:

Para el efecto de un modelo para la predicción de medicina es importante saber que el

modelo debe tener un error mínimo porque puede ser peligroso tener un falso negativo o
 un falso positivo. La capacidad del clasificador de encontrar todas las muestras positivas
tuvo un valor de 65%, y un nivel de precisión o una capacidad del clasificador de no
etiquetar como positivo un paciente con diabetes a un paciente sin diabetes es del 79%.

c.

De los datos que se encuentran con la glucosa menor o igual a 137,5, Hay 307 que tienen
diabetes de 402 del total, Lo cual representa el 74,9% de los datos.

Punto 2

a.
  Matriz de error

La matriz de error nos clasifica 40 valores como enfermos, de los cuales 37 están bien
clasificados y 3 mal clasificados. Por el lado de los valores de sanos los 56 valores clasificados
como sanos, 49 los clasificó bien y 7 incorrectamente.

El modelo presenta una exactitud de 89% en el subconjunto. El indicador de este modelo nos
dice que en el 93% de los casos los datos son reales (auc) , El promedio ponderado entre la
precisión y el recall es del 90% . La capacidad del clasificador de encontrar todas las muestras
positivas es del 89%.