流行病学模型的可解释性：不可识别性之困
统计方法学
2021-05-03 v1 机器学习
摘要
流行病学模型的可解释性是一个关键考量，尤其当这些模型用于公共卫生场景时。可解释性与底层模型参数的可识别性密切相关，即在给定观测下以高置信度估计参数值的能力。在本文中，我们定义了三种不同的可识别性概念，以探究模型定义、损失函数、拟合方法以及数据质量与数量所起的不同作用。我们定义了一个流行病学区室模型框架，在其中凸显这些不可识别性问题及其缓解方法。
引用
@article{arxiv.2104.14821,
title = {Interpretability of Epidemiological Models : The Curse of Non-Identifiability},
author = {Ayush Deva and Siddhant Shingi and Avtansh Tiwari and Nayana Bannur and Sansiddh Jain and Jerome White and Alpan Raval and Srujana Merugu},
journal= {arXiv preprint arXiv:2104.14821},
year = {2021}
}
备注
8 pages