基于多种机器学习模型预测新冠疫情趋势的基准研究
机器学习
2023-01-27 v1
摘要
机器学习和深度学习在医学领域的疾病预测中发挥着至关重要的作用。机器学习算法被广泛分类为监督学习、无监督学习和强化学习。本文详细描述了我们的实验研究工作，其中我们使用监督机器学习算法来构建模型，以应对已蔓延全球并造成大量死亡的新冠病毒疫情——这是世界历史上最具灾难性的大流行之一。人们在封锁期间在身体和经济上遭受了苦难以求得生存。本工作旨在更好地理解机器学习、集成学习和深度学习模型如何工作以及如何在实际数据集中实现。在我们的工作中，我们将分析新冠病毒的当前趋势或模式，然后通过使用机器学习算法（如线性回归、多项式回归、K近邻、决策树、支持向量机和随机森林算法）训练过去的新冠数据集来构建模型，从而预测新冠确诊或新增病例的后续未来。在本工作中，决策树和随机森林算法的表现优于SVR。SVR和套索回归在所有预测区域的表现都较低，因为对于此类问题，SVR难以使用超平面分离数据。因此SVR在该问题上大多表现较低。集成模型（投票、装袋和堆叠）和深度学习模型（ANN）也预测良好。预测后，我们使用MAE、MSE、RMSE和MAPE对模型进行了评估。本工作旨在发现新冠疫情的趋势/模式。
引用
@article{arxiv.2301.11257,
title = {A Benchmark Study by using various Machine Learning Models for Predicting Covid-19 trends},
author = {D. Kamelesun and R. Saranya and P. Kathiravan},
journal= {arXiv preprint arXiv:2301.11257},
year = {2023}
}
备注
Empirical experimental review with various traditional machine learning techniques