Resumen

La pandemia de la enfermedad por coronavirus 2019 (Covid-19) ha afectado a la mayoría de los países del mundo. La detección de casos positivos de Covid-19 es un paso importante para combatir la pandemia y salvar vidas humanas. La prueba de reacción en cadena de la polimerasa es el método más utilizado para detectar casos positivos de Covid-19. También se han explorado varios métodos moleculares y métodos serológicos para detectar casos positivos de Covid-19. Se han aplicado algoritmos de aprendizaje automático a varios tipos de conjuntos de datos para predecir casos positivos de Covid-19. Los algoritmos de aprendizaje automático se aplicaron a un conjunto de datos de Covid-19 basado en pruebas de laboratorio comúnmente realizadas para predecir casos positivos de Covid-19. Estos tipos de conjuntos de datos son fáciles de recopilar. El artículo investiga la aplicación de conjuntos de árboles de decisión que son precisos y resistentes a la selección de parámetros. Dado que hay un desequilibrio entre

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Coronavirus; Pandemia; Detección; Reacción en cadena de la polimerasa; Algoritmos de aprendizaje automático; Conjuntos de árboles de decisión
• Keywords:Coronavirus; Pandemic; Detection; Polymerase chain reaction; Machine learning algorithms; Decision tree ensembles