Covid-19大流行背景下用于经济风险评价的无监督学习
机器学习
2020-11-30 v1 计算机与社会
摘要
在Covid-19大流行期间为严厉措施辩护之所以困难，不仅因为对个人权利的限制，也因其经济影响。本工作的目标是提出一种机器学习方法，以识别应当实施类似卫生政策的地区。为此，我们成功开发了一个系统，通过无监督学习与时间序列预测，在给出新发例数预测的同时提供经济影响的度量。该系统构建时考虑了计算限制与低维护需求，以提升系统韧性。最终，该系统作为用于哥伦比亚Covid-19模拟与数据分析的Web应用的一部分部署，可见于 (https://covid19.dis.eafit.edu.co)。
引用
@article{arxiv.2011.13350,
title = {Unsupervised learning for economic risk evaluation in the context of Covid-19 pandemic},
author = {Santiago Cortes and Yullys M. Quintero},
journal= {arXiv preprint arXiv:2011.13350},
year = {2020}
}
备注
Presented at NeurIPS 2020 Workshop on Machine Learning for the Developing World