- Включение рекомендаций экспертов в прогнозирование эпидемий (arXiv)
Автор: Александр Родригес, Биджая Адхикари, Нарен Рамакришнан, Б. Адитья Пракаш
Резюме: Прогнозирование гриппоподобных заболеваний (ГПЗ) в последние годы быстро превратилось из искусства в науку с использованием множества методов, основанных на данных. Несмотря на то, что эти методы достигли определенного успеха, их применимость ограничена из-за невозможности систематически включать отзывы и рекомендации экспертов в структуру прогнозирования. Мы предлагаем новый подход, использующий структуру оптимизации Селдона из системы безопасности ИИ, и демонстрируем, как ее можно адаптировать к прогнозированию эпидемий. Мы изучаем два типа руководства: гладкость и региональную согласованность ошибок, где мы показываем, что благодаря его успешному включению мы можем не только ограничить вероятность возникновения нежелательного поведения, но и уменьшить RMSE на тестовых данных до 17. %
2. Оценка эпидемических прогнозов в интервальном формате (arXiv)
Автор: Йоханнес Брахер, Эван Л. Рэй, Тильманн Гнейтинг, Николас Г. Райх.
Аннотация: По практическим соображениям многие прогнозы числа случаев, госпитализаций и смертности в контексте текущей пандемии COVID-19 выпускаются в виде центральных прогностических интервалов на различных уровнях. Это также относится к прогнозам, собранным в Центре прогнозов COVID-19 (https://covid19forecasthub.org/). Метрики оценки прогноза, такие как логарифмическая оценка, которая применялась в нескольких задачах прогнозирования инфекционных заболеваний, в этом случае недоступны, поскольку они требуют полных прогностических распределений. В этой статье представлен обзор того, как установленные методы оценки квантильных и интервальных прогнозов могут быть применены к эпидемическим прогнозам в этом формате. В частности, мы обсуждаем вычисление и интерпретацию взвешенной интервальной оценки, которая является правильной оценкой, аппроксимирующей непрерывную ранжированную оценку вероятности. Его можно интерпретировать как обобщение абсолютной ошибки для вероятностных прогнозов и позволяет провести декомпозицию на меру точности и штрафы за завышение и занижение предсказания.
