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

Authors

Abstract

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.

Downloads

Download data is not yet available.

Author Biographies

Héctor González, National Council of Scientific Health Societies

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.

Downloads

Published

2020-12-19

How to Cite

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]. 2020 Dec. 19 [cited 2025 Sep. 17];. Available from: https://revinfodir.sld.cu/index.php/infodir/article/view/1050

Issue

Ciencias Matemáticas

Section

Ciencias Matemáticas 1

License

Those authors who have published with this journal, accept the following terms:

a.         The authors will keep their copyright and guarantee the magazine the right of first publication of their work, which will be simultaneously subject to the Creative Commons Attribution License that allows third parties to share the work as long as the author and first publication of this magazine are indicated.

b.         The authors may adopt other non-exclusive license agreements for the distribution of the published version of the work (e.g., deposit it in an institutional telematic archive or publish it in a monographic volume) as long as the initial publication in this journal is indicated.

c.         Authors are allowed and recommended to disseminate their work through the Internet (e.g.: in institutional telematic archives or in their web page) before and during the submission process, which may produce interesting exchanges and increase the number of citations of the published work. (See The effect of open access).