相关实验视频
Updated: Jul 11, 2025
10:35
Vector Competence Analyses on Aedes aegypti Mosquitoes using Zika Virus
Published on: May 31, 2020
3.0K
通过将不同的机器学习模型与载体指数和气象数据进行比较,预测登革热传播率
Song Quan Ong1, Pradeep Isawasan2, Ahmad Mohiddin Mohd Ngesom3
1Entomology Laboratory, Institute for Tropical Biology and Conservation, Universiti Malaysia Sabah, Jalan UMS, 88400, Kota Kinabalu, Sabah, Malaysia. songquan.ong@ums.edu.my.
Scientific reports
|November 5, 2023
概括
机器学习模型可以使用天气和载体数据预测登革热的传播. 像XGBoost这样的组合方法显示出卓越的性能,改进了预警系统.
科学领域:
- 流行病学 流行病学
- 数据科学数据科学数据科学
背景情况:
- 机器学习 (ML) 越来越多地用于登革热传播预测.
- 现有的模型经常使用有限的变量和算法,需要改进的方法.
研究的目的:
- 开发和比较ML模型,使用多种预测因素来加强登革热传播监测.
- 识别高性能算法和关键预测变量.
主要方法:
- 训练并验证了7个ML算法,包括组合方法,使用矢量索引和气象数据.
- 使用ROC AUC,精度和F1分数评估模型性能.
- 评估特征删除的变量重要性和影响.
主要成果:
- 整体ML方法 (XGBoost,AdaBoost,随机森林) 的表现优于传统的算法.
- XGBoost获得了最高的AUC,精度和F1得分.
- 删除容器索引至少提高了6%的模型性能.
结论:
- 整体ML模型为登革热传播预测提供了一个强大的框架.
- 不包括容器索引的变量选择提高了预测准确度.
- 这项研究为开发有效的登革热预警系统提供了基础.
