Algoritmo basado en Máquinas de Vectores de Soporte para predecir casos de dengue

Abstract

En la actualidad la inteligencia artificial se encuentra cada vez más involucrada en la vida cotidiana. Cada día surgen nuevos avances en los campos de la educación, la construcción, las finanzas, la robótica y la salud por lo que de la humanidad depende hacer un buen uso de sus bondades y utilizarla como herramienta para solucionar problemas. En el presente trabajo se hace énfasis en una de sus ramas: el aprendizaje automático (Machine Learning en inglés), la cual desarrolla técnicas para que las computadoras aprendan a partir de un estudio de datos históricos y posteriormente realice predicciones. Para ello, el Machine Learning cuenta con una serie de métodos de clasificación dentro de los que cabe mencionar: la regresión logística binomial y multinomial, los árboles de decisión, las redes neuronales artificiales y las máquinas de vectores de soporte, siendo esta última el método seleccionado para el desarrollo de esta investigación. Este modelo generalmente funciona muy bien, además, se empleó el lenguaje de programación en Python el cual es líder en el campo de la programación para el desarrollo de este tipo de proyectos, entre otras cosas, por su legibilidad de código y por ser multiparadigma ya que soporta diferentes orientaciones (objetos, programación imperativa y funcional). Como se había mencionado antes, uno de los campos de desarrollo del Machine Learning es la salud, y es en el que se centrará este estudio, específicamente en la enfermedad del dengue, una enfermedad que azota prácticamente al país durante todo el año. Los datos tomados para el estudio proceden del municipio de Guáimaro en la provincia de Camagüey, una de las cuatro provincias cubanas que han mostrado una transmisión abierta del dengue, una situación compleja debido a la alta infestación por el mosquito Aedes Aegypti. Para la selección del mejor modelo se probaron varios tipos de ellos empleando diferentes Kernels y variando sus hiperparámetros, resultando el modelo con Kernel Gaussiano RBF con sus valores predeterminados el de mejor precisión, por lo que fue utilizado para realizar las predicciones finales. Palabras claves: Inteligencia artificial, aprendizaje automático, predicciones, clasificación, máquinas de vectores de soporte, programación en Python, Kernels, hiperparámetros.