一种用于现场预测流行病发病率的机器学习模型
摘要：基于历史数据和一组简单协变量（例如当前报告的感染计数、一周的日期和从首次报告开始的时间），本文描述了一种用于COVID-19每日新增感染计数现场预测的简单随机森林统计模型。我们将该模型应用于调整俄亥俄州的每日感染计数，并展示了这种简单数据驱动方法的预测在质量和计算负担方面比采用复杂统计算法的最新阶段贝叶斯模型所获得的结果要好。
作者：Saumya Yashmohini Sahai, Saket Gurukar, Wasiur R. KhudaBukhsh, Srinivasan Parthasarathy, Grzegorz A. Rempala
论文ID：2104.02174
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2021-04-07