[論文レビュー] A Benchmark Study by using various Machine Learning Models for Predicting Covid-19 trends

D. Kamelesun, R. Saranya+1 more|arXiv (Cornell University)|Jan 26, 2023

COVID-19 diagnosis using AIMedicine被引用数 3

ひとこと要約

本研究では、実世界のCOVID-19データセットを用いて、線形回帰および多項式回帰、KNN、SVM、決定木、ランダムフォレスト、アンサンブル手法（ボーティング、バギング、スタッキング）、およびディープラーニング（ANN）の複数の機械学習モデルを評価し、確定症例の将来の傾向を予測する。ランダムフォレストおよびアンサンブル手法が他の手法を上回ったが、SVRおよびラッソ回帰は、データ内の複雑な非線形パターンを分離する困難さのため、低い性能を示した。

ABSTRACT

Machine learning and deep learning play vital roles in predicting diseases in the medical field. Machine learning algorithms are widely classified as supervised, unsupervised, and reinforcement learning. This paper contains a detailed description of our experimental research work in that we used a supervised machine-learning algorithm to build our model for outbreaks of the novel Coronavirus that has spread over the whole world and caused many deaths, which is one of the most disastrous Pandemics in the history of the world. The people suffered physically and economically to survive in this lockdown. This work aims to understand better how machine learning, ensemble, and deep learning models work and are implemented in the real dataset. In our work, we are going to analyze the current trend or pattern of the coronavirus and then predict the further future of the covid-19 confirmed cases or new cases by training the past Covid-19 dataset by using the machine learning algorithm such as Linear Regression, Polynomial Regression, K-nearest neighbor, Decision Tree, Support Vector Machine and Random forest algorithm are used to train the model. The decision tree and the Random Forest algorithm perform better than SVR in this work. The performance of SVR and lasso regression are low in all prediction areas Because the SVR is challenging to separate the data using the hyperplane for this type of problem. So SVR mostly gives a lower performance in this problem. Ensemble (Voting, Bagging, and Stacking) and deep learning models(ANN) also predict well. After the prediction, we evaluated the model using MAE, MSE, RMSE, and MAPE. This work aims to find the trend/pattern of the covid-19.

研究の動機と目的

• 多様な機械学習モデルが、COVID-19確定症例の将来の傾向を予測する効果的さを評価すること。
• 従来の教師あり学習モデル（例：線形回帰、SVM、決定木）とアンサンブルおよびディープラーニングアプローチを比較すること。
• 実世界の非線形時系列パンデミックデータにおいて、どのモデルが最も優れた性能を示すかを特定すること。
• 標準的な回帰指標（MAE、MSE、RMSE、MAPE）を用いて、異なる予測シナリオにおけるモデルのパフォーマンスを評価すること。

提案手法

• 本研究では、教師あり機械学習モデルの学習に、歴史的COVID-19症例データを入力として用いる。
• 評価対象のモデルには、線形回帰、多項式回帰、K近傍法（KNN）、サポートベクターレグレッション（SVR）、決定木、ランダムフォレスト、およびアンサンブル手法（ボーティング、バギング、スタッキング）が含まれる。
• ディープラーニングのベースラインとして、フィードフォワード型アーティフィシャルニューラルネットワーク（ANN）も実装された。
• モデルの学習と予測は、確定症例の時系列データを対象とし、最適なパフォーマンスを得るためにハイパーパrameterチューニングが行われた。
• 予測精度の定量的評価には、MAE、MSE、RMSE、MAPEを用い、モデル間の性能を比較した。
• ベンチマークには、個々のモデル評価およびアンサンブルスタッキングを含み、汎化性およびロバスト性の向上を図った。

実験結果

リサーチクエスチョン

• RQ1 多様なデータセットにおいて、将来のCOVID-19確定症例数を最も正確に予測できる機械学習モデルはどれか？
• RQ2 SVRやラッソ回帰といった従来のモデルは、パンデミックデータの非線形トレンドを捉える点で、アンサンブルおよびディープラーニングモデルと比べてどう異なるか？
• RQ3 バギングやスタッキングなどのアンサンブル手法は、個々のモデルに比べて予測性能をどの程度向上させるか？
• RQ4 なぜSVRおよびラッソ回帰は、この特定の時系列予測タスクにおいて性能を発揮できないのか？

主な発見

• ランダムフォレストおよび決定木モデルが、テストされたすべてのモデルの中で予測精度が最も高かった。
• ボーティング、バギング、スタッキングなどのアンサンブル手法は、個々のモデルを上回る強力なパフォーマンスを示した。
• サポートベクターレグレッション（SVR）は、データ内に存在する複雑な非線形パターンを分離する困難さのため、一貫して低いパフォーマンスを示した。
• ラッソ回帰も低性能を示したが、これは高次元またはノイズの多い時系列データに対して敏感であるためと推測される。
• アーティフィシャルニューラルネットワーク（ANN）は良好なパフォーマンスを示し、パンデミック予測におけるディープラーニングの可能性を示した。
• 評価指標（MAE、MSE、RMSE、MAPE）は、ランダムフォレストおよびアンサンブル手法が、すべての指標で最小の誤差率を達成したことを確認した。