利用超市零售记录预测季节性流感
社会与信息网络
2021-09-15 v2 人工智能
机器学习
摘要
流行病学数据可用性的提升、新型数字数据流的涌现以及强大机器学习方法的兴起，引发了关于实时传染病预测系统的研究热潮。在本文中，我们提出使用一种新颖数据源，即零售市场数据，来改进季节性流感预测。具体而言，我们通过识别哨点购物篮（即由选定客户群体共同购买的产品）将超市零售数据作为流感的代理信号。我们开发了一个现已casting 与预测框架，可提供意大利流感发病率提前至多 4 周的估计。我们利用支持向量回归 (SVR) 模型来生成季节性流感发病率的预测。我们的预测优于自回归基线模型与基于产品购买的第二个基线模型。结果定量地展示了在预测模型中纳入零售市场数据的价值，其作为一种可用于传染病实时分析的代理信号。
引用
@article{arxiv.2012.04651,
title = {Predicting seasonal influenza using supermarket retail records},
author = {Ioanna Miliou and Xinyue Xiong and Salvatore Rinzivillo and Qian Zhang and Giulio Rossetti and Fosca Giannotti and Dino Pedreschi and Alessandro Vespignani},
journal= {arXiv preprint arXiv:2012.04651},
year = {2021}
}
备注
17 pages, 2 figures, 4 tables (1 in appendix), 1 algorithm, submitted to PLOS Computational Biology