Clasificador de Gravedad de Casos de Dengue 💉🦟

📋 Descripción del Proyecto

Este proyecto desarrolla un modelo de Machine Learning capaz de clasificar el nivel de gravedad de casos sospechosos de dengue (leve, moderado, grave o no catalogado) a partir de respuestas clínicas.

El modelo se entrena usando scikit-learn (con un DecisionTreeClassifier) y posteriormente se exporta al formato ONNX, lo que permite integrarlo en aplicaciones locales (por ejemplo, apps Flutter) sin conexión a internet.

---

🎯 Objetivo

Clasificar automáticamente la gravedad de casos sospechosos de dengue, basándose en síntomas registrados, con el fin de apoyar el diagnóstico temprano y la toma de decisiones médicas en zonas con conectividad limitada.

---

📈 Desempeño del Modelo

El modelo de árbol de decisión logró una buena capacidad para distinguir entre los distintos niveles de gravedad del dengue.
En la siguiente imagen se muestra la matriz de confusión, donde se observan las predicciones realizadas frente a los valores reales:

La precisión global obtenida fue aproximadamente del 83.33%, evidenciando un desempeño sólido en la clasificación de casos sospechosos según su gravedad.
Estas métricas pueden variar ligeramente según el dataset y los parámetros del modelo.

🧱 Estructura del Proyecto

hackaton-ml/
│
├── data/
│ ├── dataset.xlsx # Dataset original
│ ├── decisiontree-classifier.onnx # Modelo exportado a ONNX
│
├── src/
│ ├── lectura.py # Limpieza y preparación de datos
│ ├── model.py # Entrenamiento del modelo
│ ├── exportar_modelo.py # Exportación del modelo a ONNX
| ├── visualizador_matrix_confusion.py # Visualizador de desempeño del modelo
│
├── requeriments.txt # Dependencias del proyecto
└── README.md # Este archivo

---

⚙️ Requisitos Previos

Antes de comenzar, asegúrate de tener instalado:

• Python 3.9 o superior
• virtualenv (opcional, recomendado)
• Archivo dataset.xlsx dentro de la carpeta data/

---

🧩 Instalación y Configuración

1. Clonar o descargar el proyecto

   git clone https://github.com/tu_usuario/hackaton-ml.git
   cd hackaton-ml
   

2. Crear y activar un entorno virtual

   En Windows:

   python -m venv env
   env\Scripts\activate

   En Linux/macOS:

   python3 -m venv env
   source env/bin/activate

3. Instalar dependencias

     pip install -r requeriments.txt

4. Ejecuta en python para generar grafica

      python ./src/visualizador_matrix_confusion.py