Modelo2-final: Detección de Cáncer de Mama mediante Machine Learning

Materia: Modelos 2
Autores: Alejandro Orrego Roldán, Luis David, Leonardo

https://youtu.be/RX8XugLHQyA

Descripción del Proyecto

Este proyecto de Machine Learning tiene como objetivo desarrollar un modelo predictivo capaz de clasificar tumores mamarios (Malignos/Benignos) maximizando la métrica de Recall (Sensibilidad) para evitar Falsos Negativos clínicos.

Se implementó un pipeline de datos robusto que abarca la exploración, limpieza y un Estudio Comparativo Analítico de cinco arquitecturas algorítmicas (Regresión Logística, Random Forest, SVM, KNN y Redes Neuronales).

Para determinar el subespacio dimensional más eficiente, los modelos fueron entrenados y evaluados sistemáticamente a través de 6 escenarios de Ingeniería de Características y Transformación Espacial:

1. Crudo (Línea Base): 30 variables morfológicas originales estandarizadas.
2. Selección LASSO (Método Incrustado): Regularización L1 para combatir multicolinealidad y seleccionar variables lineales robustas.
3. Mutual Information (Filtro No Lineal): Captura de dependencias entrópicas y geométricas complejas.
4. RFE (Método Wrapper): Eliminación recursiva de características impulsada por modelado predictivo.
5. PCA (Transformación No Supervisada): Reducción ortogonal conservando el 95% de la varianza explicada.
6. Discriminante de Fisher - LDA (Transformación Supervisada): Proyección del espacio hiperdimensional a 1 único componente maximizando la separación de las clases.

---

Arquitectura del Repositorio

El proyecto está diseñado de forma modular secuencial para garantizar su reproducibilidad técnica y correcta evaluación paso a paso.

Modelo2-final/
│
├── data/                            # Base de datos original y exportaciones de los 6 escenarios
│
├── 01_Exploracion_y_Limpieza.ipynb  # EDA, correlación bivariada y análisis clínico de atípicos
├── 02_Filtros_y_Reduccion.ipynb     # Pipeline de los 6 escenarios, auditoría de variables y Scree Plot (PCA)
├── 03_Estudio_Comparativo.ipynb     # Entrenamiento, matrices de confusión y benchmarking gráfico final
│
├── reporte/
│   └── reporte_final.pdf               # Artículo científico del proyecto en formato IEEE
│
└── README.md                        # Documentación del proyecto