利用 SHAP 值分析社会经济因素对 COVID-19 死亡率预测的影响
机器学习
2023-03-02 v1 人工智能
计算机与社会
摘要
本文对 COVID-19 研究数据库提供的去标识化 COVID-19 患者数据集应用多种机器学习（ML）算法。该数据集包含 20,878 名 COVID 阳性患者，其中 9,177 名患者在 2020 年死亡。本文旨在理解和解释患者的社会经济特征与其死亡率之间的关联，而非最大化预测精度。根据我们的分析，患者的家庭年收入和可支配收入、年龄、教育程度和就业状况显著影响机器学习模型的预测。我们还观察到若干个体患者数据，从中洞察特征取值如何对该数据点的预测产生影响。本文分析了机器学习模型在 COVID 患者社会经济数据上的全局与局部解释。
引用
@article{arxiv.2303.00517,
title = {Analyzing Impact of Socio-Economic Factors on COVID-19 Mortality Prediction Using SHAP Value},
author = {Redoan Rahman and Jooyeong Kang and Justin F Rousseau and Ying Ding},
journal= {arXiv preprint arXiv:2303.00517},
year = {2023}
}
备注
10 pages, 10 figures, American Medical Informatics Association(AMIA) Annual Conference 2022, Washington DC, USA, Nov 5-9, 2022