Use este identificador para citar ou linkar para este item: https://repositorio.ifgoiano.edu.br/handle/prefix/4941
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisor1Francisco, Rodrigo Elias-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0223761087254210pt_BR
dc.creatorPaulino, Marcos Antônio Baccin-
dc.creator.Latteshttp://lattes.cnpq.br/6563948907480340pt_BR
dc.date.accessioned2024-12-13T17:51:58Z-
dc.date.available2025-01-01-
dc.date.available2024-12-13T17:51:58Z-
dc.date.issued2024-11-25-
dc.identifier.urihttps://repositorio.ifgoiano.edu.br/handle/prefix/4941-
dc.description.abstractThis work presents a heart disease prediction approach using Machine Learning algorithms and the Framingham Heart Study dataset. Models such as Random Forest, Gradient Boosting, and XGBoost were evaluated, with Random Forest showing the best performance: 91.5% accuracy, 94% precision, 89% recall, and 91% F1-Score. Additionally, a web API was developed using Streamlit, providing easy access to predictive results. The study differs in that it uses an unbalanced dataset with a high number of records, better reflecting real conditions and increasing the reliability of the results.pt_BR
dc.description.resumoEste trabalho apresenta uma abordagem de classificação de problemas cardíacos utilizando algoritmos de Machine Learning e o dataset Framingham Heart Study. Foram avaliados modelos como Random Forest, Gradient Boosting, e XGBoost, destacando o desempenho do Random Forest, que obteve as melhores métricas: 91,5% de acurácia, 94% de precisão, 89% de recall e 91% de F1-Score. Além disso, foi desenvolvida uma API web utilizando Streamlit, que permite fácil acesso aos resultados da classificação. O estudo diferencia-se por utilizar um dataset desbalanceado e com uma alta quantidade de registros, refletindo melhor as condições reais e aumentando a confiabilidade dos resultados.pt_BR
dc.description.provenanceSubmitted by Marcos Antônio Baccin Paulino (marcos.baccin@estudante.ifgoiano.edu.br) on 2024-12-13T16:48:54Z No. of bitstreams: 1 tcc_Marcos Paulino.pdf: 2091700 bytes, checksum: 438ce076ad3c6802345c14313da8634a (MD5)en
dc.description.provenanceApproved for entry into archive by Morgana Bruno Henrique Guimaraes (morgana.guimaraes@ifgoiano.edu.br) on 2024-12-13T17:50:41Z (GMT) No. of bitstreams: 1 tcc_Marcos Paulino.pdf: 2091700 bytes, checksum: 438ce076ad3c6802345c14313da8634a (MD5)en
dc.description.provenanceApproved for entry into archive by Morgana Bruno Henrique Guimaraes (morgana.guimaraes@ifgoiano.edu.br) on 2024-12-13T17:51:58Z (GMT) No. of bitstreams: 1 tcc_Marcos Paulino.pdf: 2091700 bytes, checksum: 438ce076ad3c6802345c14313da8634a (MD5)en
dc.description.provenanceMade available in DSpace on 2024-12-13T17:51:58Z (GMT). No. of bitstreams: 1 tcc_Marcos Paulino.pdf: 2091700 bytes, checksum: 438ce076ad3c6802345c14313da8634a (MD5) Previous issue date: 2024-11-25en
dc.languageporpt_BR
dc.publisherInstituto Federal Goianopt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCampus Morrinhospt_BR
dc.publisher.initialsIF Goianopt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectMachine Learningpt_BR
dc.subjectPrevenção de Doençaspt_BR
dc.subjectCardiologiapt_BR
dc.subjectRandom Forestpt_BR
dc.subjectAPI Webpt_BR
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAOpt_BR
dc.titleMACHINE LEARNING PARA A CLASSIFICAÇÃO DE PROBLEMAS CARDÍACOS: PROPOSTA DE UMA APLICAÇÃOpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
Aparece nas coleções:Bacharelado em Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tcc_Marcos Paulino.pdf2,04 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.