A Reproducible Log-Driven AutoML Framework for Interpretable Pipeline Optimization in Healthcare Risk Prediction

Este estudio introduce yvsoucom-iterkit, un framework AutoML determinístico y basado en registros para la optimización de pipelines interpretables en la predicción de riesgos sanitarios. Permite el análisis reproducible de los componentes del pipeline, revelando que el rendimiento está impulsado por un pequeño subconjunto de elementos interactivos como el aumento de datos, la elección del modelo y el manejo del desequilibrio.