5月27日
10:52
10:52arXiv cs.LG@Lauren J Beesley, Alexander C Murph, Dave Osthus, Lauren A Castro
精选
该研究通过迁移学习,利用66种传染病的数据流训练预测模型,显著提升了20种疾病数据流的预测性能。研究发现,整合多数据流在84.9%的时间序列和模型结构中改善了预测效果,但数据质量至关重要,添加与目标数据差异过大的数据可能降低性能。研究者还公开了一个多疾病数据库,供传染病预测社区使用。
推荐理由:传染病预测模型常因数据单一而脆弱,这项研究用66种疾病数据做迁移学习,解决了数据短缺问题。做公共卫生预测或流行病建模的团队,可以直接用公开数据库试试。