基于软数据多元曲线回归与机器学习的 COVID-19 死亡率分析
机器学习
2021-03-30 v3 机器学习
应用统计
统计方法学
摘要
提出了一种多目标时空预测方法,涉及周期曲线对数回归与多元时间序列空间残差相关分析。具体而言,在三角回归框架下最小化均方损失函数。而在随后的空间残差相关分析中,似然最大化使我们能在贝叶斯多元时间序列软数据框架中计算后验模。所提方法应用于分析自 2020 年 3 月 8 日至 2020 年 5 月 13 日影响西班牙各区的第一波 COVID-19 死亡率。基于随机 k 折交叉验证与 bootstrap 置信区间和概率密度估计,与机器学习(ML)回归进行了实证比较研究。该实证分析还考察了 ML 回归模型在硬数据与软数据框架下的表现。结果可外推至其他计数、国家及后续 COVID-19 波次。
引用
@article{arxiv.2008.06344,
title = {COVID-19 mortality analysis from soft-data multivariate curve regression and machine learning},
author = {A. Torres-Signes and M. P. Frías and M. D. Ruiz-Medina},
journal= {arXiv preprint arXiv:2008.06344},
year = {2021}
}
备注
This paper is currently submitted