Análisis de Datos de COVID-19: Imputación y Rendimiento de Modelos de Aprendizaje Supervisado
En este Trabajo Final de Grado (TFG), se lleva a cabo un estudio para evaluar la eficiencia de los métodos de Aprendizaje Supervisado (AS) en la predicción del COVID-19 a partir de registros hospitalarios del departamento de Concepción correspondiente al periodo 2020 y 2022, como hipótesis de esta investigación se centra en demostrar la efectividad de los modelos de AS, como Máquina Vector de Soporte (MVS), Redes Neuronales Artificiales (RNA), Regresión
Logística (RL), Árbol de Decisión (AD) y Bosque Aleatorio (BA), por otro lado, se postula que
implementar la imputación de datos afecta las diferentes métricas de cada modelo de AS. El
enfoque de la investigación realizada es descriptiva, además esta consiste en cinco etapas del
preprocesamiento del conjunto de datos como la eliminación de columnas o características no
relevantes, codificación y limpieza de registros, eliminación de filas con registros que superan
el 20 %, eliminar caracteres raros e inusuales en registros, renombrar las variables y por último
dividir el archivo .xlsx en dos, donde una tiene 20 % en cada fila valores perdidos y en otro
una base de datos completamente en óptimas condiciones y sin registros vacíos. Para entre-
nar los modelos de AS, se utilizó RStudio y se dividió el conjunto de datos en un 70 % para
entrenamiento y un 30 % para pruebas, teniendo en cuenta en la base de datos los criterios
laboratoriales y como variable dependiente Clasificación final. Los resultados muestran que el
modelo de Máquina de Vectores de Soporte con funciones de Kernel Lineal y Radial, con 10
validaciones cruzadas, logra una exactitud del 100 % en la predicción del SARS-CoV-2 y para
un Kernel Polinomial tiene una exactitud de 98,9 %, por otro lado, la introducción de patrones
de manera artificial en registros faltantes afecta el rendimiento de los modelos en la predicción
de la enfermedad por lo que no se recomienda imputar si es posible estos datos.
Logística (RL), Árbol de Decisión (AD) y Bosque Aleatorio (BA), por otro lado, se postula que
implementar la imputación de datos afecta las diferentes métricas de cada modelo de AS. El
enfoque de la investigación realizada es descriptiva, además esta consiste en cinco etapas del
preprocesamiento del conjunto de datos como la eliminación de columnas o características no
relevantes, codificación y limpieza de registros, eliminación de filas con registros que superan
el 20 %, eliminar caracteres raros e inusuales en registros, renombrar las variables y por último
dividir el archivo .xlsx en dos, donde una tiene 20 % en cada fila valores perdidos y en otro
una base de datos completamente en óptimas condiciones y sin registros vacíos. Para entre-
nar los modelos de AS, se utilizó RStudio y se dividió el conjunto de datos en un 70 % para
entrenamiento y un 30 % para pruebas, teniendo en cuenta en la base de datos los criterios
laboratoriales y como variable dependiente Clasificación final. Los resultados muestran que el
modelo de Máquina de Vectores de Soporte con funciones de Kernel Lineal y Radial, con 10
validaciones cruzadas, logra una exactitud del 100 % en la predicción del SARS-CoV-2 y para
un Kernel Polinomial tiene una exactitud de 98,9 %, por otro lado, la introducción de patrones
de manera artificial en registros faltantes afecta el rendimiento de los modelos en la predicción
de la enfermedad por lo que no se recomienda imputar si es posible estos datos.
Estadísticas
Últimos 10 meses: visualizaciones y descargas.