Ulteriori informazioni
Este trabajo forma parte del aprendizaje estadístico de datos para el desarrollo de modelos. Más concretamente, se dedica al estudio de los bosques aleatorios, que son uno de los algoritmos más recientes de la familia de métodos de clasificación de patrones. Una gran ventaja de los bosques aleatorios es que pueden utilizarse tanto para problemas de clasificación como de regresión, que constituyen la mayoría de los sistemas actuales de aprendizaje automático. En este trabajo, utilizamos datos de coronavirus para generar y evaluar el modelo propuesto. Elegimos los bosques aleatorios, que aplican una votación mayoritaria uniforme de árboles de decisión para producir una predicción óptima, para clasificar a los pacientes que dieron positivo o negativo al coronavirus. Los datos se utilizaron como muestra de entrenamiento para diseñar un modelo de decisión.
Info autore
Informático. Desde el punto de vista académico, tiene un máster en Ciencias Matemáticas por el Instituto Africano de Ciencias Matemáticas de Kigali (Ruanda) y una licenciatura en Ingeniería Informática por la Universidad de Mbujimayi. Actualmente enseña en la Universidad de Mbujimayi, la Universidad Oficial de Mbujimayi, la Universidad Franco-Americana,...
