使用机器学习进行冠状病毒疾病态势分析与预测：一项基于孟加拉国人群的研究
机器学习
2022-07-27 v1 人工智能
计算机与社会
摘要
在疫情期间，尽早预测患者感染率可通过保障治疗设施与合理资源分配来降低死亡。近几个月，孟加拉国的死亡与感染率较前更为显著上升。该国正艰难地为众多患者提供适度医疗救治。本研究区分机器学习模型并构建一预测系统，以预估未来数日的感染与死亡率。利用2020年3月1日至2021年8月10日的数据集，训练了多层感知机（MLP）模型。数据取自一可信政府网站并为训练目的手动整理。若干测试用例确定了模型的精度与预测能力。特定模型间的比较表明，MLP模型比支持向量回归（SVR）与线性回归模型具有更可靠的预测能力。该模型呈现了关于风险态势与即将到来的冠状病毒疾病（COVID-19）袭击的报告。依据模型所得预测，孟加拉国可能遭受另一轮COVID-19袭击，其中感染病例数介于929至2443之间，死亡病例介于19至57之间。
引用
@article{arxiv.2207.13056,
title = {Coronavirus disease situation analysis and prediction using machine learning: a study on Bangladeshi population},
author = {Al-Akhir Nayan and Boonserm Kijsirikul and Yuji Iwahori},
journal= {arXiv preprint arXiv:2207.13056},
year = {2022}
}