在传染病预测中融入专家指导
机器学习
2021-01-26 v1
摘要
近年来，流感样疾病（ILI）的预测已从一门艺术迅速发展为一门科学，涌现出大量数据驱动的方法。尽管这些方法取得了一定的成功，但由于无法将专家反馈与指导系统地纳入预测框架，其适用性受到限制。我们提出了一种利用 AI 安全中的 Seldonian 优化框架的新方法，并展示了如何将其适配于传染病预测。我们研究了两类指导：误差的平滑性与区域一致性，结果表明通过成功融入这些指导，我们不仅能够将不良事件发生的概率限制在给定界限内，还能将测试数据的 RMSE 降低至多 17%。
引用
@article{arxiv.2101.10247,
title = {Incorporating Expert Guidance in Epidemic Forecasting},
author = {Alexander Rodríguez and Bijaya Adhikari and Naren Ramakrishnan and B. Aditya Prakash},
journal= {arXiv preprint arXiv:2101.10247},
year = {2021}
}
备注
Appears in SIGKDD 2020 epiDAMIK