Metologías de Data Mining aplicadas al pronóstico de casos COVID-19 en Perú

Resumen

Se utiliza la metodología CRISP de data mining aplicada sobre los datos abiertos gubernamentales de la COVID-19 para el caso de Perú y se emplean técnicas de series de tiempo para descubrir los mejores modelos que permitan realizar pronósticos respecto a los casos confirmados. Se aplican las fases de la metodología iterativamente: limpieza de datos, detección de hallazgos, selección del modelo Arima (autoregressive integrated moving average) para el análisis de series de tiempo y estimación de los parámetros que caracterizan la serie temporal. El estudio concluye que, para los datos abiertos gubernamentales de la COVID-19 en el caso de Perú, no es conveniente el uso de datos diarios porque existen diferencias significativas por el día de semana y que es mejor utilizar la semana. Sobre la base de ello, se determina que no existe un único modelo a nivel país ni a nivel departamento, por lo que se proponen modelos a nivel de provincias que resultan estadísticamente significativos para realizar pronósticos a corto plazo.