Efficient diagnosis of diabetes mellitus using an improved ensemble method
Este estudio mejoró el diagnóstico de la diabetes mediante el uso de métodos avanzados de aprendizaje automático (ML por sus siglas en inglés). Se emplearon métodos secuenciales y paralelos, incluidos XGBoost, AdaBoostM1 y Gradient Boosting, los cuales demostraron una mayor exactitud y confiabilidad. El modelo logró una precisión de clasificación del 100 %, superando a los algoritmos tradicionales. De acuerdo con los autores, este enfoque proporciona una herramienta precisa y eficiente para la detección de la diabetes, ofreciendo aplicaciones clínicas prácticas y estableciendo un nuevo punto de referencia para futuras investigaciones.
