综合数据预处理对COVID-19死亡率预测建模的影响
原文中文,约400字,阅读约需1分钟。发表于: 。本研究解决了COVID-19死亡率预测模型中数据预处理不足的问题,提出了一种自定义的数据预处理管道,包含四个关键步骤以提高准确性。研究结果表明,与标准管道相比,自定义管道在模型性能上显著提升,为预测建模提供了更高的准确性和可靠性,对多种数据集和领域具有广泛影响。
本研究探讨了COVID-19疫情期间和疫情过后使用人工智能模型预测死亡率的性能、可解释性和鲁棒性。研究发现贝叶斯神经网络和智能训练技术能够保持模型性能。研究结果强调了开发鲁棒人工智能模型的重要性。研究还探索了模型可解释性和量化模型不确定性的重要性。研究倡导将科学优先纳入医疗人工智能研究,并确保人工智能解决方案在实际临床环境中具有实用性、益处和可持续性。