Tabla 2: Comparativa de la capacidad predictiva

para variables numéricas por RMSE, MAE, R2 y MSE,

de los algoritmos de árbol de decisión,

bosque aleatorio y KNN.

Variable/Algoritmo

RMSE

MAE

R2

MSE

Tensión sistólica

Árbol de decisión

1.18

0.89

-0.69

1.4

Bosque aleatorio

• 0.80

• 0.63

• 0.22

• 0.65

KNN

0.84

0.65

0.15

0.71

Tensión diastólica

Árbol de decisión

0.87

0.68

0.3

0.76

Bosque aleatorio

• 0.64

• 0.46

• 0.62

• 0.41

KNN

0.83

0.62

0.37

0.68

Circunferencia de cintura

Árbol de decisión

0.77

0.57

0.41

0.6

Bosque aleatorio

• 0.59

• 0.43

• 0.66

• 0.35

KNN

0.69

0.53

0.53

0.48

Perímetro de pantorrilla

Árbol de decisión

1.37

0.77

-1.17

1.88

Bosque aleatorio

• 0.76

• 0.63

• 0.34

• 0.57

KNN

0.91

0.76

0.04

0.83

KNN = K-Nearest Neighbors.

MAE = error absoluto medio.

MSE = error cuadrático medio.

RMSE = raíz del error cuadrático medio.

Los mejores resultados se muestran con un (•).