详细内容或原文请订阅后点击阅览
发布通知：使用随机森林机器学习空间降尺度疾病风险
链接：http://dx.doi.org/10.21079/11681/35618报告编号：ERDC/GRL TN-20-1标题：使用随机森林机器学习空间降尺度疾病风险 作者：Sean P. Griffin 已批准公开发布；分发不受限制 2020 年 2 月目的：对于国防部 (DoD) 以及更广泛的国内和国际公共卫生界来说，蚊媒疾病都是一个重大的公共卫生问题。需要彻底掌握这些疾病的空间分布、模式和决定因素，才能真正了解它们对公共卫生造成的威胁（Pages et al. 2010）。这些信息即使有，通常也只是在次国家到区域范围内。当疾病表现出较高的局部变异时，此类数据无法满足战术级应用（Rytkonen 2004；Linard 和 Tatem 2012）。此外，还需要更精细的空间分辨率来成功瞄准人群中的疾病负担并减少暴露。本技术说明 (TN) 描述了一种方法，旨在通过将机器学习与开源高性能云计算相结合，将粗略的流行病学信息提高到比以前的研究更精细的分辨率。结果是一个 1,000 米 (m) 网格化栅格产品，它提供了逐像素风险大小，可直接用于战术测绘应用程序或用作其他建模应用程序的输入数据集。11 页 / 835.7 Kb
来源:美国陆军工程兵团研究