Optimización de los hiperparámetros de una máquina de regresión de soporte vectorial utilizando enjambre de partículas para el pronóstico de casos de COVID-19

• Muñoz-Cañón, Norbey Danilo ^[1] ; Romero-Triana, Jairo Andrés ^[1]
  1. [1] Universidad Distrital Francisco José de Caldas

     Universidad Distrital Francisco José de Caldas

     Colombia

     
• Localización: Revista UIS Ingenierías, ISSN-e 2145-8456, ISSN 1657-4583, Vol. 20, Nº. 2, 2021 (Ejemplar dedicado a: Revista UIS Ingenierías), págs. 181-196
• Idioma: español
• Títulos paralelos:
  • Vector support regression machine hyperparameters optimization by utilizing particle swarms for COVID-19 cases forecasting
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este trabajo se propone un método para la optimización de los hiperparámetros de una máquina de regresión de soporte vectorial mediante la adaptación de la metaheurística de enjambre de partículas. El método se utiliza para pronosticar la serie de tiempo del total de casos positivos acumulados de la reciente enfermedad COVID-19 en la ciudad de Bogotá, Colombia. Para validar el rendimiento del método se establece una comparación con la máquina de regresión de soporte vectorial sin hiperparámetros optimizados, en términos de métricas de medición del rendimiento como lo son el error cuadrático medio, error absoluto medio y el coeficiente de determinación. Con un valor en el error cuadrático medio de 0,000045, un coeficiente de determinación de 0,998884 y el valor-p de 0,0015, para la prueba no paramétrica de Wilcoxon, el método propuesto presenta un mejor desempeño en el pronóstico. Finalmente se pone a discusión la aplicabilidad de este tipo de métodos en el pronóstico de casos en las epidemias.

  • English

    In the present article a hyperparameter optimization of a vectorial-support regression machine via adaptation of metaheuristics of a particle swarm is proposed. This method will be used so that a forecasting of the time series of the total amount of positive accumulated cases of COVID-19 in Bogotá, Colombia. In order to validate the performance of the method, a comparison with a regression vectorial-support machine whose hyperparameters have not been optimized will be made, being the metrics those of performance measurement like mean square error, mean absolute error, and determination coefficient. The proposed method finds itself at a greater level of performance when the mean square error value is that of 0,000045, the determination coefficient corresponds with the value of 0,998884 and the p-value of 0,0015, for the nonparametric Wilcoxon test. Finally, applicability of these sorts of methods for forecasting of cases-behavior amidst epidemics is discussed.