评估纽约市 COVID-19 邮政编码级影响的无监督机器学习方法
计算机与社会
2020-09-21 v3 机器学习
摘要
纽约市已被认定为新型冠状病毒大流行的世界震中。为识别与纽约市 COVID-19 新病例增长率高度相关的关键内在因素，我们提出了一种无监督机器学习框架。基于具有相似人口统计、社会经济和流动性模式的邮政编码区域可能经历相似暴发的假设，我们选取最相关特征进行聚类，以最佳反映传播情况，并将其映射为 9 个可解释的类别。我们相信，我们的发现可指导政策制定者通过采取正确措施及时预判并防止病毒传播。
引用
@article{arxiv.2006.08361,
title = {An Unsupervised Machine Learning Approach to Assess the ZIP Code Level Impact of COVID-19 in NYC},
author = {Fadoua Khmaissia and Pegah Sagheb Haghighi and Aarthe Jayaprakash and Zhenwei Wu and Sokratis Papadopoulos and Yuan Lai and Freddy T. Nguyen},
journal= {arXiv preprint arXiv:2006.08361},
year = {2020}
}
备注
Presented at ICML 2020 Workshop on the Healthcare Systems, Population Health, and the Role of Health-Tech