Construcción de un modelo para predecir el riesgo de infección con COVID-19
El COVID-19 ha cobrado la vida de millones de personas a nivel mundial. A pesar de que son grandes los esfuerzos realizados por entes gubernamentales para detener su propagación y pese a que ya existen vacunas (Pfizer, Aztrazeneca, Sputnik, Sinovac, Novavax) que generan una inmunidad temporal, el nú...
- Autores:
-
Vélez Velandia, Elizabeth
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad Católica Luis Amigó
- Repositorio:
- Repositorio Institucional Universidad Católica Luis Amigó
- Idioma:
- spa
- OAI Identifier:
- oai:repository.ucatolicaluisamigo.edu.co:20.500.14.531/4531
- Palabra clave:
- Clasificación
Aprendizaje automático
COVID-19
Muerte
a
- Rights
- restrictedAccess
- License
- https://creativecommons.org/licenses/by-nd/4.0/
| Summary: | El COVID-19 ha cobrado la vida de millones de personas a nivel mundial. A pesar de que son grandes los esfuerzos realizados por entes gubernamentales para detener su propagación y pese a que ya existen vacunas (Pfizer, Aztrazeneca, Sputnik, Sinovac, Novavax) que generan una inmunidad temporal, el número de infectados y muertes no cesa. El objetivo de esta investigación fue aplicar diferentes técnicas de Machine Learning (ML) para identificar si un paciente infectado con COVID-19 morirá o no. Para la construcción de los modelos de clasificación se empleó una base de datos pública de 566.602 pacientes mexicanos infectados con el virus. Los modelos entrenados fueron: regresión logística, K-Nearest Neighbor (KNN), Support Vector Machine (SVM), Naïve Bayes, Decision Tree y Random forest. Se concluye que la precisión obtenida por todos los modelos fue buena (>70%). El modelo de regresión logística obtuvo la precisión más alta. |
|---|