Optimización de los hiperparámetros de una máquina de regresión de soporte vectorial utilizando enjambre de partículas para el pronóstico de casos de COVID-19

Abstract

En este trabajo se propone un método para la optimización de los hiperparámetros de una máquina de regresión de soporte vectorial mediante la adaptación de la metaheurística de enjambre de partículas. El método se utiliza para pronosticar la serie de tiempo del total de casos positivos acumulados de la reciente enfermedad COVID-19 en la ciudad de Bogotá, Colombia. Para validar el rendimiento del método se establece una comparación con la máquina de regresión de soporte vectorial sin hiperparámetros optimizados, en términos de métricas de medición del rendimiento como lo son el error cuadrático medio, error absoluto medio y el coeficiente de determinación. Con un valor en el error cuadrático medio de 0,000045, un coeficiente de determinación de 0,998884 y el valor-p de 0,0015, para la prueba no paramétrica de Wilcoxon, el método propuesto presenta un mejor desempeño en el pronóstico. Finalmente se pone a discusión la aplicabilidad de este tipo de métodos en el pronóstico de casos en las epidemias.