📋 Proyecto de Predicción de Enfermedades Cardíacas

🎯 Objetivo

Desarrollar un modelo de machine learning para predecir enfermedades cardíacas utilizando el dataset heart.csv, con métricas objetivo de:

• Accuracy > 85% ✅ (Logrado: 85.87%)
• ROC-AUC > 0.90 ✅ (Logrado: 92.58%)
• Recall > 80% ✅ (Logrado: 86.27%)

🏆 Resultados Finales

🥇 Mejor Modelo: Random Forest

• Exactitud: 85.87%
• Precisión: 88.00%
• Recall: 86.27%
• F1-Score: 87.13%
• ROC-AUC: 92.58%

✅ El modelo cumple con todos los criterios establecidos!

📁 Estructura del Proyecto

d:\MachineLearning\
├── heart.csv                    # Dataset original
├── heart_disease_analysis.py    # Análisis completo de ML
├── app.py                      # Dashboard Streamlit
├── best_model.pkl             # Modelo Random Forest entrenado
├── best_model_name.pkl        # Nombre del mejor modelo
├── scaler.pkl                 # Escalador para preprocessing
├── label_encoders.pkl         # Codificadores para variables categóricas
├── shap_info.pkl             # Información SHAP para interpretabilidad
└── heart_disease_env/        # Entorno virtual Python

🚀 Instalación y Ejecución

1. Activar el Entorno Virtual

cd d:\MachineLearning
heart_disease_env\Scripts\activate

2. Ejecutar el Análisis Completo

python heart_disease_analysis.py

3. Lanzar el Dashboard Streamlit

streamlit run app.py

La aplicación estará disponible en: http://localhost:8501

📊 Fases del Proyecto

🔍 Fase 1: Exploración Inicial

• ✅ Carga de datos (918 registros, 12 columnas)
• ✅ Análisis de calidad (0 valores faltantes, 172 cholesterol=0)
• ✅ Estadísticas descriptivas

📈 Fase 2: Análisis Exploratorio (EDA)

• ✅ Distribución de variables (55.3% casos positivos)
• ✅ Análisis univariado (histogramas, box plots)
• ✅ Análisis bivariado (correlaciones, crosstabs)
• ✅ Visualizaciones interactivas

🔧 Fase 3: Preparación de Datos

• ✅ Limpieza (reemplazar cholesterol=0 con mediana)
• ✅ Ingeniería de características (grupos de edad, ratios)
• ✅ Codificación de variables categóricas (LabelEncoder)
• ✅ División train/test (80/20, estratificada)
• ✅ Escalado de características (StandardScaler)

🤖 Fase 4: Desarrollo de Modelos

• ✅ Logistic Regression: 84.78% accuracy, 89.89% ROC-AUC
• ✅ Decision Tree: 76.63% accuracy, 76.53% ROC-AUC
• ✅ Random Forest: 85.87% accuracy, 92.58% ROC-AUC ⭐
• ✅ Validación cruzada 5-fold
• ✅ Métricas completas de evaluación

🔍 Fase 5: Interpretabilidad (SHAP)

• ✅ Importancias de características
• ✅ Análisis SHAP global
• ✅ Interpretación local (ejemplos específicos)
• ✅ Force plots y waterfall plots

📱 Fase 6: Dashboard Streamlit

• ✅ Página Inicio: Información general y métricas clave
• ✅ Análisis Exploratorio: Visualizaciones interactivas
• ✅ Predictor: Formulario para predicciones personalizadas
• ✅ Insights del Modelo: Interpretabilidad y rendimiento

🎪 Características Más Importantes

1. 📈 ST_Slope (25.3%) - Pendiente del segmento ST
2. 💓 MaxHR (12.2%) - Frecuencia cardíaca máxima
3. 💔 ChestPainType (11.2%) - Tipo de dolor en el pecho
4. 📊 Oldpeak (10.6%) - Depresión ST
5. 🏃 ExerciseAngina (8.6%) - Angina inducida por ejercicio

🎯 Uso del Predictor

Formulario de Entrada:

• 👤 Información Personal: Edad, Sexo
• 💓 Datos Cardíacos: Tipo de dolor, ECG, Frecuencia cardíaca máxima
• 🏥 Datos Clínicos: Presión arterial, Colesterol, Azúcar en sangre
• 🏃 Datos de Ejercicio: Angina por ejercicio, Depresión ST, Pendiente ST

Salida del Modelo:

• 🎯 Predicción: Alto/Bajo Riesgo
• 📊 Probabilidad: Porcentaje de riesgo
• 🎪 Confianza: Confianza del modelo
• 📈 Visualización: Gráfico de probabilidades
• 📝 Interpretación: Recomendaciones médicas

⚠️ Limitaciones y Consideraciones

🔍 Limitaciones:

• Modelo entrenado con población específica
• No incluye todos los factores de riesgo cardíaco
• Requiere actualización periódica con nuevos datos

💡 Recomendaciones de Uso:

• 🏥 Uso Clínico: Solo como herramienta de apoyo
• 👨‍⚕️ Diagnóstico: No reemplaza evaluación médica profesional
• 🔄 Seguimiento: Mantener controles médicos regulares
• 📊 Complemento: Combinar con otros estudios diagnósticos

📈 Métricas de Evaluación

🎯 Conjunto de Prueba (184 casos):

Matriz de Confusión:
[[70  12]  <- Sin Enfermedad (82 casos)
 [14  88]] <- Con Enfermedad (102 casos)

Clasificación:
              precision  recall  f1-score  support
Sin Enfermedad    0.83    0.85      0.84       82
Con Enfermedad    0.88    0.86      0.87      102
    accuracy                       0.86      184

🏆 Comparación de Modelos:

Modelo	Accuracy	Precision	Recall	F1-Score	ROC-AUC
Random Forest ⭐	85.87%	88.00%	86.27%	87.13%	92.58%
Logistic Regression	84.78%	84.91%	88.24%	86.54%	89.89%
Decision Tree	76.63%	79.80%	77.45%	78.61%	76.53%

🛠️ Tecnologías Utilizadas

📚 Librerías Principales:

• pandas, numpy: Manipulación de datos
• scikit-learn: Machine learning
• matplotlib, seaborn, plotly: Visualización
• streamlit: Dashboard web
• shap: Interpretabilidad de modelos
• joblib: Serialización de modelos

🔧 Herramientas:

• Python 3.12+: Lenguaje de programación
• Virtual Environment: Aislamiento de dependencias
• Jupyter-style: Análisis interactivo
• Git: Control de versiones (recomendado)

📞 Contacto y Soporte

Para preguntas, sugerencias o reportar problemas:

• 📧 Contacta al desarrollador del proyecto
• 📋 Revisa la documentación en el código
• 🔍 Consulta los comentarios en heart_disease_analysis.py

---

⚠️ Nota Importante: Este proyecto es para fines educativos y de demostración. No debe utilizarse para diagnósticos médicos reales sin la supervisión de profesionales de la salud qualificados.

📅 Última actualización: Mayo 2025