Objetivo

Construir y evaluar un modelo KNN para resolver tarea de clasificación mediante la predicción de si una persona tiene daño de corazón o no.

Fundamento Teórico

El método K-NN es un método importantes de clasificación supervisada. En el proceso de aprendizaje no se hace ninguna suposición acerca de la distribución de las variables predictoras, es por ello que es un método de clasificación no paramétrico, que estima el valor de la función de densidad de probabilidad o directamente la probabilidad posterior de que un elemento \(x\) pertenezca a la clase \(C_j\) a partir de la información proporcionada por el conjunto de entrenamiento.

Es un método bastante sencillo y robusto que simplemente busca en las observaciones más cercanas a la que se está tratando de predecir y clasifica el punto de interés basado en la mayoría de datos que le rodean.

Es un algoritmo muy simple de implementar y de entrenar, pero tienen una carga computacional elevada y no es apropiado cuando se tienen muchos grados de libertad. (Villalba 2018)

Descripción

Cargar librerías, datos y hacer lo necesario aplicando función knn de la librería class y la función train.knn de la librería kknn.

Se descargan los datos: https://raw.githubusercontent.com/rpizarrog/Analisis-Inteligente-de-datos/main/datos/heart_2020_cleaned.csv

Los datos están relacionados con aspectos médicos y son valores numéricos de varias variables que caracterizan el estado de salud de 319,795 personas.

Se pretende construir un modelo utilizando algoritmos supervisados para resolver la tarea de clasificación binaria e identificar si una persona padece del corazón o no.

Se construyen datos de entrenamiento y validación al 80% y 20% cada uno.

Se desarrollan los modelos de:

Regresión Logística binaria
Árbol de Clasificación tipo class
K Means
SVM Lineal
SVM Polinomial
SVM Radial

Los modelo se aceptan si tienen un valor de exactitud por encima del 70%.

Desarrollo

Cargar librerías

library(readr) # Leer datos
library(kknn)  # KNN modelo para kknn
library(dplyr) # Procesar filtrar
library(forcats)   # para decodificar vars
library(class)     # Para knn()
library(caret)     # Matriz de confusión entre otros
library(reshape)   # Para modificar variables 
library(knitr)     # Para tablas amigables

Cargar datos

Cargar datos de manera local.

# datos <- read.csv("https://raw.githubusercontent.com/rpizarrog/Machine-Learning-con-R/main/datos/heart_2020_cleaned.csv")
datos <- read.csv("../../datos/heart_2020_cleaned.csv", encoding = "UTF-8", stringsAsFactors = TRUE)

Explorar datos

str(datos)

## 'data.frame':    319795 obs. of  18 variables:
##  $ HeartDisease    : Factor w/ 2 levels "No","Yes": 1 1 1 1 1 2 1 1 1 1 ...
##  $ BMI             : num  16.6 20.3 26.6 24.2 23.7 ...
##  $ Smoking         : Factor w/ 2 levels "No","Yes": 2 1 2 1 1 2 1 2 1 1 ...
##  $ AlcoholDrinking : Factor w/ 2 levels "No","Yes": 1 1 1 1 1 1 1 1 1 1 ...
##  $ Stroke          : Factor w/ 2 levels "No","Yes": 1 2 1 1 1 1 1 1 1 1 ...
##  $ PhysicalHealth  : num  3 0 20 0 28 6 15 5 0 0 ...
##  $ MentalHealth    : num  30 0 30 0 0 0 0 0 0 0 ...
##  $ DiffWalking     : Factor w/ 2 levels "No","Yes": 1 1 1 1 2 2 1 2 1 2 ...
##  $ Sex             : Factor w/ 2 levels "Female","Male": 1 1 2 1 1 1 1 1 1 2 ...
##  $ AgeCategory     : Factor w/ 13 levels "18-24","25-29",..: 8 13 10 12 5 12 11 13 13 10 ...
##  $ Race            : Factor w/ 6 levels "American Indian/Alaskan Native",..: 6 6 6 6 6 3 6 6 6 6 ...
##  $ Diabetic        : Factor w/ 4 levels "No","No, borderline diabetes",..: 3 1 3 1 1 1 1 3 2 1 ...
##  $ PhysicalActivity: Factor w/ 2 levels "No","Yes": 2 2 2 1 2 1 2 1 1 2 ...
##  $ GenHealth       : Factor w/ 5 levels "Excellent","Fair",..: 5 5 2 3 5 2 2 3 2 3 ...
##  $ SleepTime       : num  5 7 8 6 8 12 4 9 5 10 ...
##  $ Asthma          : Factor w/ 2 levels "No","Yes": 2 1 2 1 1 1 2 2 1 1 ...
##  $ KidneyDisease   : Factor w/ 2 levels "No","Yes": 1 1 1 1 1 1 1 1 2 1 ...
##  $ SkinCancer      : Factor w/ 2 levels "No","Yes": 2 1 1 2 1 1 2 1 1 1 ...

summary(datos)

##  HeartDisease      BMI        Smoking      AlcoholDrinking Stroke      
##  No :292422   Min.   :12.02   No :187887   No :298018      No :307726  
##  Yes: 27373   1st Qu.:24.03   Yes:131908   Yes: 21777      Yes: 12069  
##               Median :27.34                                            
##               Mean   :28.33                                            
##               3rd Qu.:31.42                                            
##               Max.   :94.85                                            
##                                                                        
##  PhysicalHealth    MentalHealth    DiffWalking      Sex        
##  Min.   : 0.000   Min.   : 0.000   No :275385   Female:167805  
##  1st Qu.: 0.000   1st Qu.: 0.000   Yes: 44410   Male  :151990  
##  Median : 0.000   Median : 0.000                               
##  Mean   : 3.372   Mean   : 3.898                               
##  3rd Qu.: 2.000   3rd Qu.: 3.000                               
##  Max.   :30.000   Max.   :30.000                               
##                                                                
##       AgeCategory                                 Race       
##  65-69      : 34151   American Indian/Alaskan Native:  5202  
##  60-64      : 33686   Asian                         :  8068  
##  70-74      : 31065   Black                         : 22939  
##  55-59      : 29757   Hispanic                      : 27446  
##  50-54      : 25382   Other                         : 10928  
##  80 or older: 24153   White                         :245212  
##  (Other)    :141601                                          
##                     Diabetic      PhysicalActivity     GenHealth     
##  No                     :269653   No : 71838       Excellent: 66842  
##  No, borderline diabetes:  6781   Yes:247957       Fair     : 34677  
##  Yes                    : 40802                    Good     : 93129  
##  Yes (during pregnancy) :  2559                    Poor     : 11289  
##                                                    Very good:113858  
##                                                                      
##                                                                      
##    SleepTime      Asthma       KidneyDisease SkinCancer  
##  Min.   : 1.000   No :276923   No :308016    No :289976  
##  1st Qu.: 6.000   Yes: 42872   Yes: 11779    Yes: 29819  
##  Median : 7.000                                          
##  Mean   : 7.097                                          
##  3rd Qu.: 8.000                                          
##  Max.   :24.000                                          
##

Limpiar datos

No es necesario alguna transformación

Las variables de interés

Todas las variables son de entrada o variables independientes:

“BMI”: Indice de masa corporal con valores entre 12.02 y 94.85.
“Smoking”: Si la persona es fumadora o no con valores categóritos de ‘Yes’ o ‘No.’
“AlcoholDrinking” : Si consume alcohol o no, con valores categóricos de ‘Yes’ o ‘No.’
“Stroke”: Si padece alguna anomalía cerebrovascular, apoplejia o algo similar, con valores categóricos de ‘Yes’ o ‘No.’
“PhysicalHealth” Estado físico en lo general con valores entre 0 y 30.
“MentalHealth.” Estado mental en lo general con valores entre 0 y 30.
“DiffWalking” . Que si se le dificulta caminar o tiene algún padecimiento al caminar, con valores categóritoc de ‘Yes’ o ‘No.’
“Sex”: Género de la persona, con valores de ‘Female’ y ‘Male’ para distinguir al género femenino y masculino respectivamente.
“AgeCategory”: Una clasificación de la edad de la persona de entre 18 y 80 años. La primera categoría con un rango de edad entre 18-24, a partir de 25 con rangos de 5 en 5 hasta la clase de 75-80 y una última categoría mayores de 80 años.
“Race.” Raza u origen de la persona con valores categóricos de ‘American Indian/Alaskan Native’, ’Asian’,’Black’, ’Hispanic’, ’Other’ y’White’.
“Diabetic.” Si padece o ha padecido de diabetes en cuatro condiciones siendo Yes y No para si o no: ‘No,’ ‘borderline diabetes’ condición antes de detectarse diabetes tipo 2, ‘Yes,’ y ‘Yes (during pregnancy)’ durante embarazo.
“PhysicalActivity” que si realiza actividad física, con valores categóricos de ‘Yes’ o ‘No.’
“GenHealth”: EStado general de salud de la persona con valores categóricos de ‘Excellent,’ ‘Very good,’ ‘Good,’ ‘Fair’ y ‘Poor’ con significado en español de excelente, muy buena, buena, regular y pobre o deficiente.
“SleepTime”: valor numérico de las horas de sueño u horas que duerme la persona con valores en un rango entre 1 y 24.
“Asthma”: si padece de asma o no, con valores categóricos de ‘Yes’ o ‘No.’
“KidneyDisease”: si tiene algún padecimiento en los riñones, con valores categóricos de ‘Yes’ o ‘No.’
“SkinCancer”: si padece algún tipo de cancer de piel, con valores categóricos de ‘Yes’ o ‘No.’

La variable de interés como dependiente o variable de salida es la de daño al corazón (HeartDisease), con valores categóricos de ‘Yes’ o ‘No.’

Datos de entrenamiento y validación

Se parten los datos en en datos de entrenamiento con el 80% y datos de validación con el 20%.

set.seed(2022)
entrena <- createDataPartition(y = datos$HeartDisease, 
                               p = 0.8, 
                               list = FALSE, 
                               times = 1)

# Datos entrenamiento
datos.entrenamiento <- datos[entrena, ]  # [renglones, columna]

# Datos validación
datos.validacion <- datos[-entrena, ]

Datos de entrenamiento

Se muestran los primeros 20 registros datos de entrenamiento

kable(head(datos.entrenamiento, 20), caption = "Primeros 20 registros de datos de entrenamiento")

Primeros 20 registros de datos de entrenamiento
	HeartDisease	BMI	Smoking	AlcoholDrinking	Stroke	PhysicalHealth	MentalHealth	DiffWalking	Sex	AgeCategory	Race	Diabetic	PhysicalActivity	GenHealth	SleepTime	Asthma	KidneyDisease	SkinCancer
1	No	16.60	Yes	No	No	3	30	No	Female	55-59	White	Yes	Yes	Very good	5	Yes	No	Yes
2	No	20.34	No	No	Yes	0	0	No	Female	80 or older	White	No	Yes	Very good	7	No	No	No
3	No	26.58	Yes	No	No	20	30	No	Male	65-69	White	Yes	Yes	Fair	8	Yes	No	No
4	No	24.21	No	No	No	0	0	No	Female	75-79	White	No	No	Good	6	No	No	Yes
5	No	23.71	No	No	No	28	0	Yes	Female	40-44	White	No	Yes	Very good	8	No	No	No
6	Yes	28.87	Yes	No	No	6	0	Yes	Female	75-79	Black	No	No	Fair	12	No	No	No
7	No	21.63	No	No	No	15	0	No	Female	70-74	White	No	Yes	Fair	4	Yes	No	Yes
8	No	31.64	Yes	No	No	5	0	Yes	Female	80 or older	White	Yes	No	Good	9	Yes	No	No
9	No	26.45	No	No	No	0	0	No	Female	80 or older	White	No, borderline diabetes	No	Fair	5	No	Yes	No
10	No	40.69	No	No	No	0	0	Yes	Male	65-69	White	No	Yes	Good	10	No	No	No
11	Yes	34.30	Yes	No	No	30	0	Yes	Male	60-64	White	Yes	No	Poor	15	Yes	No	No
12	No	28.71	Yes	No	No	0	0	No	Female	55-59	White	No	Yes	Very good	5	No	No	No
13	No	28.37	Yes	No	No	0	0	Yes	Male	75-79	White	Yes	Yes	Very good	8	No	No	No
14	No	28.15	No	No	No	7	0	Yes	Female	80 or older	White	No	No	Good	7	No	No	No
15	No	29.29	Yes	No	No	0	30	Yes	Female	60-64	White	No	No	Good	5	No	No	No
16	No	29.18	No	No	No	1	0	No	Female	50-54	White	No	Yes	Very good	6	No	No	No
17	No	26.26	No	No	No	5	2	No	Female	70-74	White	No	No	Very good	10	No	No	No
18	No	22.59	Yes	No	No	0	30	Yes	Male	70-74	White	No, borderline diabetes	Yes	Good	8	No	No	No
20	No	18.13	No	No	No	0	0	No	Male	80 or older	White	No	Yes	Excellent	8	No	No	Yes
21	No	21.16	No	No	No	0	0	No	Female	80 or older	Black	No, borderline diabetes	No	Good	8	No	No	No

Datos de validación

Se muestran los primeros 20 registros de datos de validación .

kable(head(datos.entrenamiento, 20), caption = "Primeros 20 registros de datos de entrenamiento")

Primeros 20 registros de datos de entrenamiento
	HeartDisease	BMI	Smoking	AlcoholDrinking	Stroke	PhysicalHealth	MentalHealth	DiffWalking	Sex	AgeCategory	Race	Diabetic	PhysicalActivity	GenHealth	SleepTime	Asthma	KidneyDisease	SkinCancer
1	No	16.60	Yes	No	No	3	30	No	Female	55-59	White	Yes	Yes	Very good	5	Yes	No	Yes
2	No	20.34	No	No	Yes	0	0	No	Female	80 or older	White	No	Yes	Very good	7	No	No	No
3	No	26.58	Yes	No	No	20	30	No	Male	65-69	White	Yes	Yes	Fair	8	Yes	No	No
4	No	24.21	No	No	No	0	0	No	Female	75-79	White	No	No	Good	6	No	No	Yes
5	No	23.71	No	No	No	28	0	Yes	Female	40-44	White	No	Yes	Very good	8	No	No	No
6	Yes	28.87	Yes	No	No	6	0	Yes	Female	75-79	Black	No	No	Fair	12	No	No	No
7	No	21.63	No	No	No	15	0	No	Female	70-74	White	No	Yes	Fair	4	Yes	No	Yes
8	No	31.64	Yes	No	No	5	0	Yes	Female	80 or older	White	Yes	No	Good	9	Yes	No	No
9	No	26.45	No	No	No	0	0	No	Female	80 or older	White	No, borderline diabetes	No	Fair	5	No	Yes	No
10	No	40.69	No	No	No	0	0	Yes	Male	65-69	White	No	Yes	Good	10	No	No	No
11	Yes	34.30	Yes	No	No	30	0	Yes	Male	60-64	White	Yes	No	Poor	15	Yes	No	No
12	No	28.71	Yes	No	No	0	0	No	Female	55-59	White	No	Yes	Very good	5	No	No	No
13	No	28.37	Yes	No	No	0	0	Yes	Male	75-79	White	Yes	Yes	Very good	8	No	No	No
14	No	28.15	No	No	No	7	0	Yes	Female	80 or older	White	No	No	Good	7	No	No	No
15	No	29.29	Yes	No	No	0	30	Yes	Female	60-64	White	No	No	Good	5	No	No	No
16	No	29.18	No	No	No	1	0	No	Female	50-54	White	No	Yes	Very good	6	No	No	No
17	No	26.26	No	No	No	5	2	No	Female	70-74	White	No	No	Very good	10	No	No	No
18	No	22.59	Yes	No	No	0	30	Yes	Male	70-74	White	No, borderline diabetes	Yes	Good	8	No	No	No
20	No	18.13	No	No	No	0	0	No	Male	80 or older	White	No	Yes	Excellent	8	No	No	Yes
21	No	21.16	No	No	No	0	0	No	Female	80 or older	Black	No, borderline diabetes	No	Good	8	No	No	No

Construir un modelo KNN

Construir el modelo bajo el algoritmo KNN en donde la variable HeartDisease depende de todos las variables.

Se construye el modelo con una muestra de 2000 mil observaciones en lugar de las 255837 que tienen el conjunto de datos de entrenamiento.

muestra <- sample(x = 1:nrow(datos.entrenamiento), size = 10000, replace = FALSE)

Se construye el modelo..

modelo.knnn <- train.kknn(data = datos.entrenamiento[muestra, ], formula = HeartDisease ~ ., kmax = 30)

summary(modelo.knnn)

## 
## Call:
## train.kknn(formula = HeartDisease ~ ., data = datos.entrenamiento[muestra,     ], kmax = 30)
## 
## Type of response variable: nominal
## Minimal misclassification: 0.0842
## Best kernel: optimal
## Best k: 26

Evaluar el modelo con los datos de validación

predicciones <- predict(object = modelo.knnn, newdata = datos.validacion)

Construir un data frame para comparar reales con predicciones

Solo se observan los primeros 20 registros a comparar

datos.comparar <- data.frame("real" = datos.validacion$HeartDisease, "predicho" = predicciones)

kable(head(datos.comparar, 20), caption = "Datos a comparar previo a matriz de confusión" )

Datos a comparar previo a matriz de confusión
real	predicho
No	No
No	No
No	No
No	No
Yes	No
No	No
No	No
No	No
No	No
No	No
No	No
No	No
No	No
No	No
Yes	No
No	No
No	No
No	No
No	No
No	No

Construyendo matriz de confusión

Con la función confussion el estadístico Accuracy = Exactitud.

matriz <- confusionMatrix(datos.comparar$real, datos.comparar$predicho)

matriz

## Confusion Matrix and Statistics
## 
##           Reference
## Prediction    No   Yes
##        No  58121   363
##        Yes  5200   274
##                                           
##                Accuracy : 0.913           
##                  95% CI : (0.9108, 0.9152)
##     No Information Rate : 0.99            
##     P-Value [Acc > NIR] : 1               
##                                           
##                   Kappa : 0.0731          
##                                           
##  Mcnemar's Test P-Value : <2e-16          
##                                           
##             Sensitivity : 0.91788         
##             Specificity : 0.43014         
##          Pos Pred Value : 0.99379         
##          Neg Pred Value : 0.05005         
##              Prevalence : 0.99004         
##          Detection Rate : 0.90874         
##    Detection Prevalence : 0.91441         
##       Balanced Accuracy : 0.67401         
##                                           
##        'Positive' Class : No              
##

Se tiene una Accuracy = exactitud del 91.30%

Mismo algoritmo pero con función knn

Limpiar los datos

Este proceso es transformar variables

Antes de utilizar este modelo debe convertirse los valores de las variables cualitativas tipo factor a variables numéricas. Primero las variable dicotómicas Yes, No a 1, 2.

Se construye un data.frame similar pero llamado datos2 con variables numéricas en lugar de factores; esto se hace para el modelo se construya con la función knn().

Smoking, AlcoholDrinking, Stroke, DiffWalking, Sex PhysicalActivity, Asthma, KidneyDisease, SkinCancer

datos2 <- datos %>%
  mutate(Smoking = if_else(Smoking == 'Yes', 1, 2), AlcoholDrinking = if_else(AlcoholDrinking == 'Yes', 1, 2), Stroke = if_else(Stroke == 'Yes', 1, 2), DiffWalking = if_else(DiffWalking == 'Yes', 1, 2), Sex = if_else(Sex == 'Female', 1, 2), PhysicalActivity = if_else(PhysicalActivity == 'Yes', 1, 2), Asthma = if_else(Asthma == 'Yes', 1, 2), KidneyDisease = if_else(KidneyDisease == 'Yes', 1, 2), SkinCancer = if_else(SkinCancer == 'Yes', 1, 2))

AgeCategory

datos2 <- datos2 %>%
  mutate(AgeCategory = ifelse (AgeCategory == '18-24',  1, ifelse(AgeCategory == '25-29', 2, ifelse(AgeCategory == '30-34', 3, ifelse(AgeCategory == '35-39', 4, ifelse(AgeCategory == '40-44', 5, ifelse(AgeCategory == '45-49', 6, ifelse(AgeCategory == '50-54', 7, ifelse(AgeCategory == '55-59', 8, ifelse(AgeCategory == '60-64', 9, ifelse(AgeCategory == '65-69', 10, ifelse(AgeCategory == '70-74', 11, ifelse(AgeCategory == '75-79', 12, 13)))))))))))))

Race

datos2 <- datos2 %>%
  mutate(Race = ifelse (Race == 'White',  1, ifelse(Race == 'Black', 2, ifelse(Race == 'Asian', 3, ifelse(Race == 'American Indian/Alaskan Native', 4, ifelse(Race == 'Other', 5, 6 ))))))

Diabetic

datos2 <- datos2 %>%
  mutate(Diabetic = ifelse (Diabetic == 'Yes',  1, ifelse(Diabetic == 'No', 2, ifelse(Diabetic == 'No, borderline diabetes', 3, 4))))

GenHealth

datos2 <- datos2 %>%
  mutate(GenHealth = ifelse (Race == 'Fair',  1, ifelse(GenHealth == 'Poor', 2, ifelse(GenHealth == 'Good', 3, ifelse(GenHealth == 'Very good', 4, 5 )))))

Datos de entrenamiento y validación

Nuevamente partir en datos de entrenamiento y validación per ahora con los datos2

set.seed(2022)
entrena <- createDataPartition(y = datos2$HeartDisease, 
                               p = 0.8, 
                               list = FALSE, 
                               times = 1)

# Datos entrenamiento
datos.entrenamiento <- datos2[entrena, ]  # [renglones, columna]

# Datos validación
datos.validacion <- datos2[-entrena, ]

Nuevamente una muestra de los datos de entrenamento.

muestra <- sample(x = 1:nrow(datos.entrenamiento), size = 10000, replace = FALSE)

Construir el modelo knn

Se utiliza la función knn de la librería class para estimar predicciones. Se utiliza la variable predicciones.2 para diferenciar de la variable predicciones.

Se utiliza una muestra de 10000 mil registros de los datos de entrenamiento porque el modelo se tarda bastante tiempo en construirse si se utilian todos los registros de los datos de entrenamiento.

# predicciones.2 <- knn(train = datos.entrenamiento[, -1], test = datos.validacion[, -1], cl = datos.entrenamiento[,1], k = 12)

predicciones.2 <- knn(train = datos.entrenamiento[muestra, -1], test = datos.validacion[, -1], cl = datos.entrenamiento[muestra,1], k = 12)

Matriz de confusión

Determinando la matriz de confusión con predicciones.2

matriz2 <- confusionMatrix(datos.validacion$HeartDisease, predicciones.2)
matriz2

## Confusion Matrix and Statistics
## 
##           Reference
## Prediction    No   Yes
##        No  58398    86
##        Yes  5431    43
##                                           
##                Accuracy : 0.9137          
##                  95% CI : (0.9115, 0.9159)
##     No Information Rate : 0.998           
##     P-Value [Acc > NIR] : 1               
##                                           
##                   Kappa : 0.0115          
##                                           
##  Mcnemar's Test P-Value : <2e-16          
##                                           
##             Sensitivity : 0.914913        
##             Specificity : 0.333333        
##          Pos Pred Value : 0.998530        
##          Neg Pred Value : 0.007855        
##              Prevalence : 0.997983        
##          Detection Rate : 0.913068        
##    Detection Prevalence : 0.914413        
##       Balanced Accuracy : 0.624123        
##                                           
##        'Positive' Class : No              
##

Interpretación

El modelo KNN con la función train.kknn() arroja una exactitud del 91.30%, significa que el modelo acierta en 91.30% ocasiones de cada cien pacientes.

El modelo KNN con la función knn() arroja una exactitud del 91.37%, significa que el modelo acierta en 91.37 ocasiones de cada cien pacientes.

Siendo el mismo algoritmo las funciones mismas arrojan diferentes estadísticos. Esto supone el algoritmo es diferente el código de cada función ya que cada una de ellas encapsula su propio código dependiendo del paquete y del autor.

Se puede comparar contra otros modelos:

Interpretración

Pendiente ….

Bibliografía

Villalba, F. 2018. “Aprendizaje Supervisado En r,” October. https://fervilber.github.io/Aprendizaje-supervisado-en-R/.

Caso 7. Vecinos mas cercanos KNN. Algoritmos de Clasificación con datos de danios al corazón

Rubén Pizarro Gurrola

01/06/2022

Objetivo

Fundamento Teórico

Descripción

Desarrollo

Cargar librerías

Cargar datos

Explorar datos

Limpiar datos

Las variables de interés

Datos de entrenamiento y validación

Datos de entrenamiento

Datos de validación

Construir un modelo KNN

Evaluar el modelo con los datos de validación

Construir un data frame para comparar reales con predicciones

Construyendo matriz de confusión

Mismo algoritmo pero con función knn

Limpiar los datos

Smoking, AlcoholDrinking, Stroke, DiffWalking, Sex PhysicalActivity, Asthma, KidneyDisease, SkinCancer

AgeCategory

Race

Diabetic

GenHealth

Datos de entrenamiento y validación

Construir el modelo knn

Matriz de confusión

Interpretación

Interpretración

Bibliografía

real	predicho
No	No
No	No
No	No
No	No
Yes	No
No	No
No	No
No	No
No	No
No	No
No	No
No	No
No	No
No	No
Yes	No
No	No
No	No
No	No
No	No
No	No

real	predicho
No	No
No	No
No	No
No	No
Yes	No
No	No
No	No
No	No
No	No
No	No
No	No
No	No
No	No
No	No
Yes	No
No	No
No	No
No	No
No	No
No	No

real	predicho
No	No
No	No
No	No
No	No
Yes	No
No	No
No	No
No	No
No	No
No	No
No	No
No	No
No	No
No	No
Yes	No
No	No
No	No
No	No
No	No
No	No