21、机器学习在新冠疫情预测中的应用

机器学习在新冠疫情预测中的应用

1. 机器学习概述

机器学习（ML）是人工智能（AI）的一种形式，它能让软件应用在无需明确编程的情况下，更精确地预测系统结果。它是一种数据分析方法，能自动构建分析模型。其核心目标是让机器能够通过过往经验进行学习和自我调整。在抗击新冠疫情中，由人工智能驱动的信息学、传感技术、成像技术和大数据分析发挥了重要作用，结果十分可靠。

机器学习的学习过程始于对数据的分析，主要目标是让系统能够在无需用户干预的情况下自动学习，并相应地改变行动。

1.1 机器学习的重要性

• 有助于加强“健康相关数据管理和健康统计数据的交换”，实现工作流程的技术化升级，方便获取临床数据，提高健康信息的准确性和流通性。
• 帮助病理学家更快、更准确地进行诊断，还能识别可能需要新型治疗方法的患者。

1.2 机器学习的方法

主要有监督学习、无监督学习、半监督学习和强化学习四种方法，其中监督学习占比约 70%，无监督学习占比约 10 - 20%，半监督学习和强化学习使用较少。以下是它们的详细介绍：
| 方法类型 | 输入数据 | 复杂度 | 类别数量 | 准确性 | 应用场景 |
| ---- | ---- | ---- | ---- | ---- | ---- |
| 监督学习 | 已知且有标签的数据 | 非常复杂 | 已知 | 精确可靠 | 欺诈检测、电子邮件垃圾邮件检测、诊断和图像分类、风险评估和分数预测等 |
| 无监督学习 | 未指定的数据 | 较简单 | 未公开 | 准确性一般 | 降维、聚类，如文本挖掘、人脸识别、大数据可视化和图像识别等 |