Informe del Taller 2 de Aprendizaje Supervisado - Grupo 08. Este estudio construye y compara dos modelos de clasificación (KNN y Regresión Logística) para predecir la presencia de enfermedad cardíaca con base en 5 variables fisiológicas. Los datos provienen del Heart Disease Dataset del repositorio UCI Machine Learning Repository con 920 pacientes de cuatro centros médicos. El modelo Logit mostró un desempeño ligeramente superior (AUC = 0.798) y se recomienda por su interpretabilidad clínica. Incluye análisis descriptivo completo, gráficos, matrices de confusión y curvas ROC comparativas.

..

Bu belge, OLC 733 dersi DFA ödevine ait analizleri, çıktıları ve yorumları içermektedir.

Analisis klasifikasi ini bertujuan untuk mengklasifikasikan jenis biji kering berdasarkan Dry Bean Dataset dari UCI Machine Learning Repository menggunakan metode Multinomial Logistic Regression dan Discriminant Analysis. Dataset terdiri dari 13.611 observasi dengan tujuh kategori jenis biji kering. Data diproses melalui tahap preprocessing meliputi pengecekan missing value, penghapusan data duplikat, standarisasi variabel numerik, dan identifikasi outlier. Variabel yang digunakan merupakan hasil seleksi variabel, yaitu AspectRatio, ShapeFactor1, ShapeFactor4, Extent, dan Solidity untuk mengurangi multikolinearitas dan memperoleh model yang lebih stabil. Evaluasi model dilakukan melalui pengujian asumsi serta pengukuran performa klasifikasi. Hasil analisis menunjukkan bahwa model akhir mampu memberikan performa yang sangat optimal dengan akurasi sebesar 92,24%, nilai Kappa sebesar 0,9061, dan Pseudo R² McFadden sebesar 0,885. Analisis ini menunjukkan bahwa regresi logistik multinomial efektif digunakan untuk klasifikasi multikelas berdasarkan karakteristik geometris biji kering.