Algoritmos Machine Learning (ML): Predicción de casos COVID-19 en Bolivia

Contenido principal del artículo

Juan Ruiz Otondo

Resumen

El sistema económico - sanitario global atraviesa una incertidumbre, resiliencia por efecto de la pandemia, ante esa adversidad es determinante estimar los comportamientos de escenarios de casos Covid-19, para una toma de decisión estratégica en política pública. El objetivo de este artículo es examinar las implicaciones de algoritmos Machine Learning (ML) en precisión de predicción de casos Covid-19. La metodología se sustenta en la estadística y analítica predictiva de algoritmos ML. El resultado de la evidencia determina a nivel comparativo que los algoritmos ARIMA y RANDOM FOREST no tienen buena precisión ni ajuste de datos, por ende no se cumplen sus pronósticos a futuro, por otra parte el algoritmo PROPHET se comporta de manera regular, como indicador intermedia en la predicción comparando con números de casos a tiempo real, dentro de esa perspectiva los algoritmos predictivos que tienen mejor test de precisión y se ajustan a la realidad de los datos de casos diarios de Covid-19 para Bolivia son; GLMNET Y PROPHET W/XGBOOT ERRORS en las dos fases simulados previos a presentación de este artículo, por la razón anterior se podría concluir que los modelos predictivos GLMNET y PROPHET W/XGBOOT ERRORS son mejores algoritmos para predecir escenarios de casos Covid-19.


 

Descargas

La descarga de datos todavía no está disponible.

Detalles del artículo

Cómo citar
Ruiz Otondo, J. (2021). Algoritmos Machine Learning (ML): Predicción de casos COVID-19 en Bolivia. Cuestiones Económicas, 31(3), Autor: Juan Ruiz Otondo. https://doi.org/10.47550/RCE/MEM/31.19
Sección
Artículos de Investigación