論文の概要: COVID-19 mortality analysis from soft-data multivariate curve regression and machine learning

• arxiv url: http://arxiv.org/abs/2008.06344v3
• Date: Sat, 27 Mar 2021 08:11:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 01:12:42.857313
• Title: COVID-19 mortality analysis from soft-data multivariate curve regression and machine learning
• Title（参考訳）: ソフトデータ多変量曲線回帰と機械学習によるcovid-19死亡解析
• Authors: A. Torres-Signes, M.P. Fr\'ias and M.D. Ruiz-Medina
• Abstract要約: 提案手法は、2020年3月8日から2020年5月13日までの1波目における新型コロナウイルスの分析に適用される。 ランダムk-foldクロスバリデーションとブートストラップ信頼区間と確率密度推定に基づく機械学習(ML)回帰を用いた実験的検討を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A multiple objective space-time forecasting approach is presented involving cyclical curve log-regression, and multivariate time series spatial residual correlation analysis. Specifically, the mean quadratic loss function is minimized in the framework of trigonometric regression. While, in our subsequent spatial residual correlation analysis, maximization of the likelihood allows us to compute the posterior mode in a Bayesian multivariate time series soft-data framework. The presented approach is applied to the analysis of COVID-19 mortality in the first wave affecting the Spanish Communities, since March, 8, 2020 until May, 13, 2020. An empirical comparative study with Machine Learning (ML) regression, based on random k-fold cross-validation, and bootstrapping confidence interval and probability density estimation, is carried out. This empirical analysis also investigates the performance of ML regression models in a hard- and soft- data frameworks. The results could be extrapolated to other counts, countries, and posterior COVID-19 waves.
• Abstract（参考訳）: 周期曲線対数回帰と多変量時系列空間残留相関解析を含む多目的時空間予測手法を提案する。 具体的には、平均二次損失関数は三角回帰の枠組みで最小化される。 一方,その後の空間的残差相関解析では,その可能性の最大化により,ベイジアン多変量時系列ソフトデータフレームワークの後方モードを計算することができる。 このアプローチは、2020年3月8日から2020年5月13日まで、スペイン社会に影響を及ぼす最初の波における新型コロナウイルスの死亡率の分析に適用されている。 ランダムk-foldクロスバリデーションとブートストラップ信頼区間と確率密度推定に基づく機械学習(ML)回帰を用いた実験的検討を行った。 この実証分析は、ハードおよびソフトデータフレームワークにおけるML回帰モデルの性能についても調査する。 結果は、他の数や国、後部新型コロナウイルス(COVID-19)の波に当てはまる可能性がある。

関連論文リスト

• Semiparametric inference for impulse response functions using double/debiased machine learning [49.1574468325115]
  本稿では,インパルス応答関数(IRF)に対する機械学習推定手法を提案する。 提案した推定器は、処理と結果変数の完全な非パラメトリック関係に依存することができ、柔軟な機械学習アプローチを用いてIRFを推定することができる。
  論文  参考訳（メタデータ） (2024-11-15T07:42:02Z)
• On metric choice in dimension reduction for Fréchet regression [7.161207910629032]
  Fr'echetレグレッションは、非伝統的なデータ型を分析するために、現代のデータ分析において主要な存在になりつつある。 これは特に、継続的なモニタリングやイメージングデータのような複雑な健康データの分析に有用である。
  論文  参考訳（メタデータ） (2024-10-02T17:39:34Z)
• Risk and cross validation in ridge regression with correlated samples [72.59731158970894]
  我々は,データポイントが任意の相関関係を持つ場合,リッジ回帰のイン・オブ・サンプルリスクのトレーニング例を提供する。 さらに、テストポイントがトレーニングセットと非自明な相関を持ち、時系列予測で頻繁に発生するような場合まで分析を拡張します。 我々は多種多様な高次元データにまたがって理論を検証する。
  論文  参考訳（メタデータ） (2024-08-08T17:27:29Z)
• Statistical Agnostic Regression: a machine learning method to validate regression models [0.0]
  本稿では,機械学習に基づく線形回帰モデルの統計的意義を評価するために,統計的回帰(Agnostic Regression, SAR)を導入する。 我々は、説明的(機能)変数と反応(ラベル)変数の間の集団における線形関係の存在を結論付けるために、少なくとも1-eta$の確率で十分な証拠が存在することを保証するしきい値を定義する。
  論文  参考訳（メタデータ） (2024-02-23T09:19:26Z)
• A Novel Approach in Solving Stochastic Generalized Linear Regression via Nonconvex Programming [1.6874375111244329]
  本稿では,一般化線形回帰モデルについて,確率制約問題として考察する。 提案アルゴリズムの結果は,通常のロジスティック回帰モデルよりも1～2%以上よい結果を得た。
  論文  参考訳（メタデータ） (2024-01-16T16:45:51Z)
• Conformal inference for regression on Riemannian Manifolds [49.7719149179179]
  回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、Xで表される共変数がユークリッド空間にあるときに検討する。 我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
  論文  参考訳（メタデータ） (2023-10-12T10:56:25Z)
• Probabilistic Unrolling: Scalable, Inverse-Free Maximum Likelihood Estimation for Latent Gaussian Models [69.22568644711113]
  我々は,モンテカルロサンプリングと反復線形解法を組み合わせた確率的アンローリングを導入し,行列逆転を回避した。 理論的解析により,解法の繰り返しによる解法の解法と逆転が最大値推定の勾配推定を高速化することを示した。 シミュレーションおよび実データ実験において、確率的アンロールは、モデル性能の損失を最小限に抑えながら、勾配EMよりも桁違いに高速な潜在ガウスモデルを学習することを示した。
  論文  参考訳（メタデータ） (2023-06-05T21:08:34Z)
• Non-Asymptotic Guarantees for Robust Statistical Learning under $(1+\varepsilon)$-th Moment Assumption [0.716879432974126]
  本稿では,統計レグレッションの多種族を対象としたログトランケート型M-メチエータを提案する。 標準推定よりもログトランケート推定の方が優れていることを示す。
  論文  参考訳（メタデータ） (2022-01-10T06:22:30Z)
• Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
  ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。 そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
  論文  参考訳（メタデータ） (2021-08-25T21:30:27Z)
• Two-step penalised logistic regression for multi-omic data with an application to cardiometabolic syndrome [62.997667081978825]
  我々は,各層で変数選択を行うマルチオミックロジスティック回帰に対する2段階のアプローチを実装した。 私たちのアプローチは、可能な限り多くの関連する予測子を選択することを目標とすべきです。 提案手法により,分子レベルでの心筋メタボリックシンドロームの特徴を同定することができる。
  論文  参考訳（メタデータ） (2020-08-01T10:36:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。