Predicción de Covid19 con el uso del  Algoritmo Random Forest y Redes Neuronales Artificiales

Darwin Patiño Pérez; Ricardo José Silva Bustillos; Celia Munive Mora; Miguel Botto Tobar

Ayuda

Predicción de Covid19 con el uso del Algoritmo Random Forest y Redes Neuronales Artificiales

Patiño Pérez, Darwin ^[1] ; Silva Bustillos, Ricardo ^[2] ; Munive Mora, Celia ^[3] ; Botto-Tobar, Miguel ^[1]
1. [1] Universidad de Guayaquil
  
  Universidad de Guayaquil
  
  Guayaquil, Ecuador
2. [2] Villanova University
  
  Villanova University
  
  Township of Radnor, Estados Unidos
3. [3] DeSales University
  
  DeSales University
  
  Borough of Coopersburg, Estados Unidos
Mostrar afiliaciones +
Localización: Ecuadorian Science Journal, ISSN-e 2602-8077, Vol. 4, Nº. 2, 2020 (Ejemplar dedicado a: Septiembre), págs. 101-110
Idioma: español
Títulos paralelos:
- Prediction of Covid19 with the use of Random Forests Algorithm and Artificial Neural Networks
Enlaces
- Texto completo
Resumen
- español
  En la actualidad el SARS-CoV-2 o Covid19 como se lo conoce, presenta variantes o mutaciones que se propagan rápidamente afectando a las personas, sin que los profesionales de la salud pueden detectarlo oportunamente para dar un tratamiento adecuado y así poder controlar su propagación. En este manuscrito se describe la implementación de un modelo de análisis y predicción de la propagación del Covid19, que mediante técnicas de inteligencia artificial relacionadas con Machine Learning, permitirán aplicar estrategias de aprendizaje supervisado a los programas desarrollados en el lenguaje de programación Python, para que al procesar los grandes volúmenes de datos puedan aprender de las experiencias pasadas y permitan procesar nuevas entradas generando la información de predicción de forma rápida y confiable. El enfoque de hacer un análisis sobre un conjunto de datos extraído de una fuente abierta, servirá para posteriormente realizar un análisis exploratorio de lo procesado. Se realizaron tres predicciones que son: Si el paciente tiene SARS-CoV-2, días transcurridos hasta la mortalidad y la mortalidad por covid, utilizando algoritmos de clasificación y regresión que de acuerdo a estudios previos permitieron seleccionar y aplicar el modelo algorítmico Random Forest y Redes Neuronales Artificiales cuyas métricas de confiabilidad nos permiten aceptar las predicciones esperada para una adecuada toma de decisión.
- English
  Currently SARS-CoV-2 or Covid19 as it is known, has variants or mutations that spread rapidly affecting people, without the health professionals being able to detect it in a timely manner to give an adequate treatment and thus be able to control its spread. This manuscript describes the implementation of an analysis and prediction model of the spread of Covid19, which through artificial intelligence techniques related to Machine Learning, will allow the application of supervised learning strategies to programs developed in the Python programming language. so that when processing large volumes of data they can learn from past experiences and allow new inputs to be processed, generating prediction information quickly and reliably. The approach of making an analysis on a data set extracted from an open-source will serve to later carry out an exploratory analysis of the processed. Three predictions were made, which are: If the patient has SARS-CoV-2, days elapsed until mortality and mortality from covid, using classification and regression algorithms that, according to previous studies, allowed the selection and application of the Random algorithmic model Forest and Artificial Neural Networks whose reliability metrics allow us to accept the expected predictions for an adequate decision making.