Albuquerque Júnior, Gabriel Alves deSantos, Daniel Ramos Correia dos2024-05-282024-05-282024-03-07SANTOS, Daniel Ramos Correia dos. Detecção de doença cardiovascular ou diabetes utilizando machine learning. 2024. 34 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2024.https://repository.ufrpe.br/handle/123456789/5712Doenças cardiovasculares e diabetes representam desafios significativos para a saúde pública, demandando abordagens eficazes de diagnóstico e prevenção. Este trabalho propõe uma abordagem baseada em modelos de machine learning para oferecer suporte a esses processos. A partir de uma base de dados da pesquisa nacional de saúde do IBGE, o estudo investigou como diferentes variáveis afetam a detecção dessas doenças. Utilizando algoritmos como Random Forest, XGBoost e SVM, foram desenvolvidos modelos preditivos. Os resultados demonstraram uma acurácia de 71.96% para o algoritmo Random Forest na classificação de pacientes com doenças cardiovasculares e 72.26% na classificação de pacientes com diabetes. Também foi realizada através do método SHAP, análise das variáveis mais influentes, que revelaram alguns insights sobre os dados.34 f.poropenAccesshttps://creativecommons.org/licenses/by-sa/4.0/deed.pt_BRAprendizado do computadorDoenças cardiovascularesDiabetesDiagnósticobachelorThesisAtribuição-CompartilhaIgual 4.0 Internacional (CC BY-SA 4.0)https://n2t.net/ark:/57462/001300000g0kv