用于建模 COVID-19 死亡人数的集成机器学习方法
机器学习
2020-10-09 v1 机器学习
摘要
结合机器学习与流行病学方法，我们提出了一种新颖的数据驱动方法，用于预测美国县级 COVID-19 死亡人数。该模型对每日死亡人数分布给出了更完整的描述，输出分位数估计而非死亡人数均值，其目标是最小化基于《纽约时报》冠状病毒县级数据集所报告死亡人数的 pinball loss。所得的分位数估计能在单个县级层面准确预测可变长度预测期内的死亡人数，且该方法在不同预测期长度上均具有良好的泛化能力。我们在由 Caltech 主办的建模竞赛中从 50 多支队伍中胜出，并且我们的集成模型在均方根误差上可与最佳的 COVID-19 建模系统相媲美。
引用
@article{arxiv.2010.04052,
title = {Ensemble Machine Learning Methods for Modeling COVID19 Deaths},
author = {R. Bathwal and P. Chitta and K. Tirumala and V. Varadarajan},
journal= {arXiv preprint arXiv:2010.04052},
year = {2020}
}