Алгоритм машинного обучения для прогнозирования числа случаев во время пандемии

Вопрос или проблема

import numpy as np

from sklearn import ensemble

import pandas
datos = pandas.read_csv('covid.csv',";")

entrada = np.array(datos['ORDEN']).reshape(-1,1)

salida = datos["CASOS"]    

regr = ensemble.GradientBoostingRegressor(random_state=0,n_estimators=500).fit(entrada,salida)

test = np.array([i for i in range(63,70)]).reshape(-1,1)

print(regr.predict(test))

regr = ensemble.RandomForestRegressor(random_state=0,n_estimators=500).fit(entrada,salida)

print(regr.predict(test))

[1782.99976513 1782.99976513 1782.99976513 1782.99976513 1782.99976513
 1782.99976513 1782.99976513]
[1773.99 1773.99 1773.99 1773.99 1773.99 1773.99 1773.99]

Ответ или решение

Предсказание числа случаев заболеваний в условиях пандемии с использованием алгоритмов машинного обучения — это сложная задача, особенно для новичка в области искусственного интеллекта и машинного обучения. Рассмотрим более детально вашу текущую методику и некоторые рекомендации по улучшению результатов.

Обзор вашей задачи

Вы пытаетесь спрогнозировать количество подтвержденных случаев COVID-19 в зависимости от количества дней, прошедших с начала пандемии, используя две модели: GradientBoostingRegressor и RandomForestRegressor из библиотеки scikit-learn. Однако обе модели возвращают идентичные предсказания для всех тестовых значений, что указывает на наличие проблемы в вашем подходе.

Возможные причины проблемы

1. Отсутствие значимых признаков: Использование только одного признака (число дней) для моделирования сложной эпидемиологической динамики может быть недостаточным. Ваша модель может предсказывать среднее значение в данных, если информация в признаках не поддерживает сложную структуру выходных данных.

2. Проблемы с данными: Убедитесь, что данные корректные и содержат достаточное количество наблюдений для обучения модели. Если данные сильно зашумлены или недостаточны, модели могут учиться неправильно.

3. Настройка моделей: Убедитесь, что вы правильно настраиваете гиперпараметры моделей. Хотя вы используете значительное количество деревьев в ансамбле (n_estimators=500), может потребоваться более детальная настройка других параметров.

Рекомендации по улучшению

1. Расширение набора признаков: Добавьте дополнительные признаки, такие как мобилити (активность населения), климатические условия, введенные меры безопасности и пр. Это может повысить информативность модели.

2. Проверка агрегированных моделей: Рассмотрите использование более подходящих алгоритмов для временных рядов, таких как ARIMA, Prophet или те же градиентные boosting модели, но с учётом временной корреляции.

3. Использование Поассоновской регрессии: Поскольку вы предсказываете число событий (случаев) в конечный период, целесообразно попробовать регрессию Поассона, которая может быть более приспособленной для анализа счётных данных.

4. Анализ данных: Проведите анализ признаков и целевой переменной для выявления трендов, сезонности и выбросов, что поможет улучшить подготовку данных и выбор признаков.

5. Визуализация результатов: Всегда полезно визуализировать предсказания модели на графике, чтобы лучше понять, как модель интерпретирует данные.

Заключение

Машинное обучение может значительно помочь в анализе пандемических данных, но важно тщательно подойти к выбору признаков и моделей. Рекомендую также обратить внимание на изучение основ обработки временных рядов и более детальное исследование характеристик ваших данных. Это может значительно повысить качество предсказаний и дать более стойкий результат в долгосрочной перспективе.

Изучите дополнительные подходы и алгоритмы, и это позволит вам существенно улучшить вашу модель. Удачи!