全面数据预处理对 COVID-19 死亡率预测建模的影响

准确的预测模型对于分析 COVID-19 死亡趋势至关重要。本研究评估了自定义数据预处理流水线对十种机器学习模型预测 COVID-19 死亡率的影响，数据来源于 Our World in Data (OWID)。我们的流水线通过四个关键步骤与标准预处理流水线有所不同。首先，它将每周报告的总数转换为每日更新，纠正报告偏差并提供更准确的估计。其次，它使用局部异常检测与处理来保留数据方差并提高准确性。第三，它利用列之间的计算依赖关系来确保数据一致性。最后，它纳入迭代特征选择过程以优化特征集并提升模型性能。结果表明，自定义流水线带来了显著改善：MLP 回归器实现了测试 RMSE 为 66.556 和测试 R-squared 为 0.991，超越了标准流水线中的 DecisionTree 回归器，后者测试 RMSE 为 222.858、测试 R-squared 为 0.817。这些发现强调了定制化预处理技术在提升 COVID-19 死亡率预测建模准确性方面的重要性。尽管仅适用于本研究，但这些方法论为多样化的数据集和领域提供了有价值的见解，从而改善了各种情境下的预测性能。