Resumen

El inicio de la pandemia de COVID-19 y la subsiguiente transmisión entre comunidades ha hecho extremadamente vulnerable a toda la población humana. Debido a la contagiosidad del virus, las economías más poderosas del mundo están luchando con las insuficiencias de recursos. A medida que el número de casos sigue aumentando y la industria de la salud se ve desbordada por las crecientes necesidades de la población infectada, existe la necesidad de estimar el potencial número futuro de casos utilizando métodos de predicción. Este artículo aprovecha métodos de estimación basados en datos como la regresión lineal (LR), el bosque aleatorio (RF) y el algoritmo XGBoost (extreme gradient boosting). Los tres algoritmos se entrenan utilizando los datos de COVID-19 de Pakistán desde el 24 de febrero hasta el 31 de diciembre de 2020, donde se integra la resolución diaria. Básicamente, este artículo postula que, con la ayuda de valores de nuevos casos positivos, hisopos médicos, muertes diarias y nuevos casos positivos diarios,

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Pandemia de covid-19; Métodos de predicción; Regresión lineal; Bosque aleatorio; Algoritmo XGBoost; Aprendizaje supervisado
• Keywords:Covid-19 pandemic; Prediction methods; Linear regression; Random forest; XGBoost algorithm; Supervised learning