使用流行病学数据集预测COVID?19感染的有监督机器学习模型
SupervisedMachineLearningModelsforPredictionofCOVID?19InfectionusingEpidemiologyDataset
Jibril,MuhammadLawanetal.“SupervisedMachineLearningModelsforPredictionofCOVID-19InfectionusingEpidemiologyDataset.”SnComputerScience2():n.pag.
摘要
COVID-19已导致全世界有,人感染该病后丧生。目前，尚无针对COVID-19的特异性治疗方法，因此不可避免地患有这种疾病及其症状。这种现实给全世界有限的医疗系统带来了沉重负担，尤其是在发展中国家。尽管既没有有效的，经过临床验证的抗病*药物的策略，也没有批准的疫苗来根除COVID-19大流行，但可以利用非临床技术，例如机器学习、数据挖掘、深度学习和其他人工智能方法减轻有限的医疗系统对经济部门造成的沉重负担。这些替代方法将有助于新冠患者的诊断和预后。在这项工作中，我们使用学习算法提出了针对COVID-19感染的有监督机器学习模型，该学习算法包括Logistic回归、决策树、支持向量机、朴素贝叶斯和人工神经网络，并使用流行病学标记的墨西哥阳性和阴性COVID-19病例数据集。在开发模型之前，进行了各种依赖和独立特征之间的相关系数分析，以确定数据集的每个依赖特征和独立特征之间的强度关系。数据集的80％用于训练模型，其余20％用于测试模型。对模型的性能评估结果表明，决策树模型的最高准确度为94.99％，而支持向量机模型的最高准确度为93.34％，朴素贝叶斯模型的最高准确度为94.30％。
关键词Machinelearning·COVID-19·Decisiontree·Pandemic·Dataset
1引言
新型严重急性呼吸综合征冠状病*2型（SARS-CoV-2）的最新致病性爆发是年COVID-19的罪魁祸首[24，25]。该病*于年12月下旬起源于中国武汉，有证据表明，该病*首先在蝙蝠身上被发现，并通过浣熊等中间宿主传染给人类[21、30、32]。包括中东呼吸综合征冠状病*（MERS-CoV）、严重急性呼吸综合征冠状病*（SARS-CoV）和新型冠状病*（nCoV）在内的冠状病*（CoV）引起哺乳动物和鸟类的各种疾病，包括猪和牛、鸡和牛的肠炎[17、28、51]。首次发现该病*时，《中国新型冠状病*肺炎诊疗方案》指出，在SARS-CoV-2酸性试验无阳性结果的情况下，可以检测到COVID-19，方法有三种：（1）胸部CT扫描呈阳性；（2）临床表现显著，包括发热（咳嗽）、咳嗽、气短和呼吸困难下呼吸道感染的其他迹象；（3）实验室结果显示淋巴细胞减少和（可选）白细胞减少[46，47]。
严重症状包括COVID-19发热（98%）、咳嗽（76%）和腹泻（3%），这些症状在患有慢性病的老年人中通常更为严重[45]，许多患者呼吸短促，在许多情况下，呼吸短促似乎是流感的症状[16]，COVID-19首次被发现后，以指数级的速度在全球传播[24，28]。这一流行病已经影响了近两个国际组织和全世界多个国家和地区[24，25]。该流行病已被宣布为国际
