Este proyecto compara varios modelos de aprendizaje supervisado aplicados al diagnóstico de Parkinson a partir de características acústicas.

• Regresión Logística
• Random Forest
• Multi-layer Perceptron (MLP)
• XGBoost

Se evaluaron utilizando validación cruzada y métricas como accuracy, precision, recall y F1-score.

Se graficaron:

• Curvas ROC
• Comparativas de métricas por modelo
• Matrices de confusión

Disponibles en ./results/

El dataset se compone de grabaciones de voz con diversas características numéricas y una variable binaria status que indica la presencia o no de Parkinson.

pip install -r requirements.txt

Luego abrir y ejecutar parkinson-learning-models.ipynb.

Este proyecto se realizó con fines educativos de análisis comparativo en aprendizaje supervisado.