一种用于登革热分类的在线学习方法
机器学习
2019-04-18 v1 机器学习
摘要
本文介绍了一种基于在线学习范式的登革热分类新方法。所提出的方法适合实际应用，因为它能够仅使用少量训练样本进行学习。随着时间的推移，所提出的方法能够从收集到的数据中增量学习，而无需重新训练模型或重新部署预测引擎。此外，我们还对用于登革热预测的机器学习方法进行了全面评估。所提出流程的输入包括记录的患者症状和诊断检查。采用离线分类器模型获取基线分数，以确立该特征集对登革热分类是最优的。本文提出的在线检测模型的主要优势在于，它已被证实能有效识别高登革热疾病可能性的患者，并且在训练和测试样本数量方面的可扩展性实验验证了所提出模型的适用性。
引用
@article{arxiv.1904.08092,
title = {An Online Learning Approach for Dengue Fever Classification},
author = {Siddharth Srivastava and Sumit Soman and Astha Rai},
journal= {arXiv preprint arXiv:1904.08092},
year = {2019}
}