COVID-19暴发中活跃病例预测的小样本量诅咒
机器学习
2020-11-30 v2 机器学习
摘要
在COVID-19大流行期间，人们进行了大量关于病例数及该大流行其他未来趋势预测的尝试。然而，它们未能以可靠的方式在可接受精度内预测COVID-19暴发基本特征的的中长期演变。本文对机器学习模型在这一特定预测问题中的失败给出了一种解释。论文表明，简单线性回归模型能可靠地提供高预测精度值，但仅针对2周时段；而相对复杂的机器学习模型虽有潜力以低误差学习长期预测，却无法在具备高泛化能力的同时获得良好预测。论文指出，样本数量不足是预测模型低预测性能的根源。关于活跃病例预测结果的可靠性以交叉验证预测误差来衡量，这些误差被用作预测器泛化误差的期望值。为利用与活跃病例最相关的信息，我们在多种变量上进行了特征选择。我们应用了不同的特征选择方法，即两两相关、递归特征消除，以及使用Lasso回归的特征选择，并将它们相互比较，也与未采用任何特征选择的模型比较。此外，我们比较了线性回归、多层感知机与长短期记忆模型，每种模型均与上述特征选择方法结合用于预测活跃病例。我们的结果表明，由于COVID-19数据的小样本量，具备高泛化能力的活跃病例准确预测仅可至多提前3天。
引用
@article{arxiv.2011.03628,
title = {Curse of Small Sample Size in Forecasting of the Active Cases in COVID-19 Outbreak},
author = {Mert Nakıp and Onur Çopur and Cüneyt Güzeliş},
journal= {arXiv preprint arXiv:2011.03628},
year = {2020}
}