RESUMEN
En este documento se presentan los resultados de un estudio sobre la detección de la tendencia suicida en personas a través de la utilización de diferentes técnicas de clasificación. Se analizaron variables como el estado de ánimo, el nerviosismo y el estrés, utilizando diferentes clasificadores, incluyendo el clasificador bayesiano, bosques aleatorios, máquinas de soporte vectorial, redes neuronales y lógica difusa.
En general, se encontraron resultados prometedores en cuanto a la precisión de las técnicas de clasificación en la identificación de la tendencia suicida. Se presentan tablas de confusión y exactitudes obtenidas en cada uno de los constructos y se muestran las mejores combinaciones de parámetros utilizados para cada técnica de clasificación.
Además, se presenta el clasificador DATSBAA (Detector Automático de la Tendencia Suicida Basado en Aprendizaje Automático), que se desarrolló utilizando la mejor técnica de clasificación, que en este caso resultó ser la red neuronal. Este clasificador fue implementado en una interfaz web para que los usuarios puedan ingresar sus datos y obtener la clasificación de su tendencia suicida.
En resumen, el estudio presenta diferentes técnicas de clasificación prometedoras en la identificación de la tendencia suicida y se presenta el clasificador DATSBAA basado en la mejor técnica de clasificación utilizada en el estudio. El clasificador puede ser utilizado para ayudar a detectar la tendencia suicida de las personas y así brindar la atención necesaria para prevenir el suicidio.
ABSTRACT
This document presents the results of a study on the detection of suicidal
tendencies in individuals using various classification techniques. Variables such as
mood, nervousness, and stress were analyzed using different classifiers, including
the Bayesian classifier, random forests, support vector machines, neural networks,
and fuzzy logic.
In general, promising results were found regarding the accuracy of the
classification techniques in identifying suicidal tendencies. Confusion matrices and
reliabilities obtained for each construct are presented, along with the best
combinations of parameters used for each classification technique.
Additionally, the Automatic Suicide Tendency Detector based on Machine Learning
(DATSBAA) classifier is introduced, which was developed using the best
classification technique, found to be the neural network in this case. This classifier
was implemented in a web interface to allow users to input their data and obtain a
classification of their suicidal tendency.
In summary, the study presents various promising classification techniques for
identifying suicidal tendencies and introduces the DATSBAA classifier based on
the best classification technique used in the study. The classifier can be used to
assist in detecting individuals' suicidal tendencies and provide the necessary
attention to prevent suicide
