Cordova Roque, Edward Gonzalo2018-01-242018-01-242018-01-24https://repositorio.ucsm.edu.pe/handle/20.500.12920/7320En la actualidad el área de aprendizaje automático viene siendo utilizada en la extracción del conocimiento e información en grandes volúmenes de datos, posibilitando muchas aplicaciones en diferentes sectores productivos, un área de vital importancia en nuestro país es el sector salud, en ese sentido, desarrollar aplicaciones en salud son de suma importancia para prever situaciones que puedan ocurrir, como por ejemplo, en un hospital se registran ingreso de pacientes día a día y dicha información puede ser usada para apoyar a la toma de decisiones. En ese sentido, este trabajo propone el análisis predictivo de muerte y sobrevida de pacientes hospitalizados mediante clasificadores supervisados, el cual desarrolla las etapas de minería de datos y KDD para el tratamiento de la información de los datos registrados de un sistema de información del Hospital Regional Honorio Delgado, para tal objetivo se utilizan tres técnicas: redes neuronales de tipo Backpropagation, clasificador bayesiano y máquinas de vectores de soporte, a pesar que los registros de las personas que fallecen es mínima comparada con la gente que normalmente se trata, el modelo consiguió llegar a un 99.00 % de acierto siendo este un nivel de exactitud y confiabilidad adecuado para que pueda ser útil en la prevención de recursos del hospital entre otras cosas que puedan hacerse. Palabras claves: Máquinas de vectores de soporte, redes neuronales, clasificador bayesiano, predicción de muerte y sobre vida.  application/pdfspainfo:eu-repo/semantics/openAccessMáquinas de vectores de soporteredes neuronalesclasificador bayesianopredicción de muertesobre vidaAnálisis Predictivo de Muerte y Sobrevida de Pacientes Hospitalizados Mediante Clasificadores Supervisadosinfo:eu-repo/semantics/bachelorThesishttps://purl.org/pe-repo/ocde/ford#2.02.04