Predicción a corto plazo del comportamiento de la COVID-19 en Cuba: Un análisis desde la perspectiva del Aprendizaje Automático.

Autores/as

Resumen

La COVID-19 es una enfermedad infecciosa que se propaga rápidamente por todo el mundo y que ha representado un reto importante para los sistemas sanitarios nacionales. Cuba también se ha visto afectada por esta pandemia y la capacidad de predecir el comportamiento a corto plazo de la cantidad de casos infectados acumulados en un día es una herramienta muy útil que necesitan las autoridades sanitarias nacionales. El presente manuscrito aborda el problema de la predicción a corto plazo de la  variable de interés mediante el uso de técnicas  clásicas del Aprendizaje Automatizado. Para ello se propone un método para el pre-procesamiento de los datos originales que permita la creación de un conjunto de aprendizaje válido.
Posteriormente se selecciona y entrena un modelo predictivo basado en la regresión lineal con penalización que permite hacer predicciones acertadas y robustas de la variable bajo estudio.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Héctor González, Facultad 2, Universidad de las Ciencias Informáticas, La Habana, Cuba,

Profesor de la Facultad 2 de Ciencias Informáticas, La Habana, Cuba.

Carlos Morell, Centro de Investigaciones de la informática, Universidad Central "Marta Abreu" de Las Villas, Villa Clara, Cuba

Profesor del Centro de Investigaciones de la informática, Universidad Central "Marta Abreu" de Las Villas, Villa Clara, Cuba

Yanet Rodríguez, Departamento de Ciencias de la computación, Universidad Central Marta Abreu de Las Villas, Villa Clara, Cuba

Profesora del Departamento de Ciencias de la computación, Universidad Central Marta Abreu de Las Villas, Villa Clara, Cuba.

Descargas

Publicado

2020-12-19

Cómo citar

1.
González H, Morell C, Rodríguez Y. Predicción a corto plazo del comportamiento de la COVID-19 en Cuba: Un análisis desde la perspectiva del Aprendizaje Automático. INFODIR [Internet]. 19 de diciembre de 2020 [citado 17 de septiembre de 2025];. Disponible en: https://revinfodir.sld.cu/index.php/infodir/article/view/1050

Número

Ciencias Matemáticas

Sección

Ciencias Matemáticas 1

Licencia

Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:

  1. Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista.
  2. Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
  3. Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).