Icon

Actividad Práctica - Clasificación de enfermedades cardíacas - Solución

70% training30% testing
Table Partitioner
Entrenamiento del modelo de clasificación conLogistic Regression
Logistic Regression Learner
Evaluación del modelo
Scorer (JavaScript)
Entrenamiento del modelo de clasificación con Multilayer Perceptron
RProp MLP Learner
Entrenamiento del modelo de clasificación con Decision Tree
Decision Tree Learner
Evaluación del modelo
Scorer (JavaScript)
Entrenamiento del modelo de clasificación con Random Forest
Random Forest Learner
Evaluación del modelo
Scorer (JavaScript)
Aplicar el modelo entrenado a los datos de prueba
Random Forest Predictor
Convertir a cadena la columna "target"
Number to String
Agrupar los datospor clase para ver sudistribución
GroupBy
Estadísticas de interés de los datos
Statistics View
Cargar el dataset "heart.csv"
CSV Reader
Mostrar datos de interés
Data Explorer
Representar los datosde interés en un gráficode puntos
Scatter Plot
Representar lasclases en un gráficode pastel para ver su distribución
Pie Chart
Asignar coloresa las clases
Color Manager
Cantidad de muestras por clase en un gráfico de pastel
Pie Chart
Aplicar el modelo entrenado a los datos de prueba.
Decision Tree Predictor
Cantidad de muestraspor clase para las pruebas
GroupBy
Entrenamiento del modelo de clasificación con SVM
SVM Learner
Evaluación del modelo
Scorer (JavaScript)
Cantidad de muestraspor clase para el entrenamiento
GroupBy
Entrenamiento del modelo de clasificación con Naive Bayes
Naive Bayes Learner
Aplicar el modelo entrenado a los datos de prueba.
Logistic Regression Predictor
Plot de puntos para verrelaciones de interésen los datos
Scatter Plot
Aplicar el modelo entrenado a los datos de prueba
SVM Predictor
En caso de detectarvalores faltantes hayque darles el tratamientoadecuado
Missing Value
Entrenamiento del modelo de clasificación kNN
K Nearest Neighbor
Evaluación del modelo
Scorer (JavaScript)
Cantidad de muestras por clase en un gráfico de pastel
Pie Chart
Aplicar el modelo entrenado a los datos de prueba
Naive Bayes Predictor
Aplicar la misma normalizacióna los datos de prueba
Normalizer (Apply)
Evaluación del modelo
Scorer (JavaScript)
Aplicar el modelo entrenado a los datos de prueba
MultiLayerPerceptron Predictor
Normalización ZScore
Normalizer
Evaluación del modelo
Scorer (JavaScript)

Nodes

Extensions

Links

Download

To use this workflow in KNIME, download it from the below URL and open it in KNIME:

Download Workflow
Created by: nabee
Created at: 2024-08-27
On NodePit since: 2026-07-03
Last update: 2026-07-03
Created with KNIME version: v5.11.0

Deploy, schedule, execute, and monitor your KNIME workflows locally, in the cloud or on-premises – with our brand new NodePit Runner.

Try NodePit Runner!