Machine Learning Analysis for Cervical Cancer Prediction, a Systematic Review of the Literature

Gutierrez-Espinoza, Sandy; Cabanillas-Carbonell, Michael

doi:10.1109/ehb52898.2021.9657567

Search citation statements

Order By: Relevance

Paper Sections

Select...

Citation Types

Supporting

Mentioning

Contrasting

Year Published

2023

Publication Types

Select...

Other1

Article1

Relationship

Self Cite0

Independent2

Authors

Journals

Cited by 2 publications

References 38 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

Machine Learning Based Classification Models for Early Analysis and Prediction of Cervical Cancer

Devi,

Komalavalli,

Chinnaiyan

2023

2023 International Conference on New Frontiers in Communication, Automation, Management and Security (ICCAMS)

View full text Add to dashboard Cite

Machine Learning Based Classification Models for Early Analysis and Prediction of Cervical Cancer

Devi,

Komalavalli,

Chinnaiyan

2023

2023 International Conference on New Frontiers in Communication, Automation, Management and Security (ICCAMS)

View full text Add to dashboard Cite

Análisis comparativo de IDEs enfocados a Machine Learning

Sánchez Arteaga

2023

Esprint Inv.

View full text Add to dashboard Cite

El creciente uso de modelos de Machine Learning(ML) para gestionar grandes cantidades de datos que existen actualmente, impulsado por la crisis de la Pandemia COVID-19, ha llevado al desarrollo productivo de estos modelos gracias a los Entornos de Desarrollo Integrado (IDEs). Sin embargo, existen varios IDEs de desarrollo disponibles y elegir el más adecuado para tareas específicas puede ser un desafío. El objetivo de este estudio es proporcionar una revisión exhaustiva de las diversas herramientas de desarrollo integrado enfocadas para el campo de ML, para ello, este estudio se basa en una investigación comparativa, en la que se utilizaron fuentes científicas e índices de popularidad para determinar los lenguajes enfocados en ML, estos fueron Python y R. Posteriormente, a través de la documentación de cada IDE, se identificaron los siguientes: Spyder, PyCharm Community Edition, PyCharm Pro, DataSpell, R-Studio, RKWard, JupyterLab y Visual Studio Code que fue añadido por su popularidad y alta extensibilidad. De esta manera en los resultados, se conceptualizan estos lenguajes e IDEs que determinamos para su comparación, y se llevó a cabo la comparación considerando características como su compatibilidad multiplataforma, capacidad de depuración con puntos de control, disponibilidad como código abierto, historiales de código, acceso a terminales, integración nativa de: control de versiones, soporte para los lenguajes investigados, acceso a base de datos, compatibilidad con cuadernos Jupyter. En conclusión, esta investigación ofrece una comparación exhaustiva de IDEs considerando varias características que pueden ser útiles a la hora de seleccionar uno.

show abstract

Machine Learning Analysis for Cervical Cancer Prediction, a Systematic Review of the Literature

Cited by 2 publications

References 38 publications

Machine Learning Based Classification Models for Early Analysis and Prediction of Cervical Cancer

Machine Learning Based Classification Models for Early Analysis and Prediction of Cervical Cancer

Análisis comparativo de IDEs enfocados a Machine Learning

Contact Info

Product

Resources

About