利用网络搜索活动估计神经网络流感患病率预测的不确定性
机器学习
2021-05-27 v1
摘要
流感是一种具有大流行潜力的传染病，因此预测其患病率对于规划有效应对至关重要。研究发现网络搜索活动可用于改进流感模型。神经网络（NN）能提供最先进的预测精度，但通常未在其估计中纳入不确定性，而这对于在决策中有效使用它们至关重要。在本文中，我们展示了如何使用贝叶斯神经网络（BNN）在不相比传统 NN 显著损失预测精度的情况下，同时提供预测及相应的不确定性。我们的方法考虑了两种不确定性来源：数据不确定性和模型不确定性，分别由测量噪声和模型设定引起。实验使用英格兰 14 年的数据开展，评估模型在该数据集中最近 4 个流感季的准确性。我们评估了不同模型的性能，包括具有竞争力的基线模型，采用常规指标以及融入不确定性估计的误差函数。我们的实证分析表明，同时考虑两种不确定性来源优于单独考虑其中任一种。我们还展示了具有循环层并对两种不确定性来源建模的 BNN 在预测期超过 7 天时对这些指标具有更优精度。
引用
@article{arxiv.2105.12433,
title = {Estimating the Uncertainty of Neural Network Forecasts for Influenza Prevalence Using Web Search Activity},
author = {Michael Morris and Peter Hayes and Ingemar J. Cox and Vasileios Lampos},
journal= {arXiv preprint arXiv:2105.12433},
year = {2021}
}