从小数据集寻找准确早期预测模型：以 2019-nCoV 新型冠状病毒暴发为例
应用统计
2020-03-25 v1 种群与进化
摘要
传染病是威胁众多生命并造成经济损害的快速广泛传播的疾病。预判传染病周期以便及时决定补救行动十分重要。这些措施包括关闭边境、学校，暂停社区服务与通勤。此类禁令的解除取决于暴发的势头及其衰减速率。能够准确预测传染病结局是极其重要但困难的任务。由于对新疾病认知有限、涉及高度不确定性，以及影响新病毒广泛传播复杂的社会政治因素，任何预测都远非可靠。另一因素是可用数据量不足。当传染病刚起步时数据样本往往稀缺。手头仅有少量训练样本时，寻找尽力提供预测的预测模型是机器学习中的一大挑战。过去提出了三种流行方法，包括 1）扩充现有少量数据，2）使用面板选择从若干模型中挑选最佳预测模型，以及 3）微调单个预测模型的参数以达尽可能高的准确度。本文提出一种融合数据挖掘从小数据集出发这三种优点的方法论……
引用
@article{arxiv.2003.10776,
title = {Finding an Accurate Early Forecasting Model from Small Dataset: A Case of 2019-nCoV Novel Coronavirus Outbreak},
author = {Simon James Fong and Gloria Li and Nilanjan Dey and Rubén González Crespo and Enrique Herrera-Viedma},
journal= {arXiv preprint arXiv:2003.10776},
year = {2020}
}
备注
9 pages