一种面向 Tsetlin 机的连续输入方案及其在疾病暴发预测中的应用
机器学习
2019-06-25 v2 人工智能
摘要
在本文中，我们将一种用于模式分类的、有前景的新工具，即 Tsetlin 机（TM），应用于疾病预测领域。TM 是可解释的，因为它基于命题逻辑表达式的操作，并利用一大组 Tsetlin 自动机（TA）。除了可解释性之外，该方法还因其低计算成本和处理噪声的能力而具有吸引力。为解决预测问题，我们引入了一种预处理方法，扩展了 TM 使其能处理连续输入。简言之，我们基于阈值化将连续输入转换为二进制表示。所得到的扩展 TM 使用人工数据集进行了评估和分析。该 TM 进一步应用于利用数据的时空特性预测菲律宾全部十七个地区的登革热暴发。实验结果表明，无论在预测精度还是 F1 分数方面，TM 做出的登革热暴发预测都比支持向量机（SVM）、决策树（DTs）和几种多层人工神经网络（ANNs）所获得的预测更准确。
引用
@article{arxiv.1905.04199,
title = {A Scheme for Continuous Input to the Tsetlin Machine with Applications to Forecasting Disease Outbreaks},
author = {K. Darshana Abeyrathna and Ole-Christoffer Granmo and Xuan Zhang and Morten Goodwin},
journal= {arXiv preprint arXiv:1905.04199},
year = {2019}
}
备注
14 pages