Spatial extreme learning machines: an application on prediction of disease counts

Abstract

As máquinas de aprendizado extremo têm recebido muita atenção da comunidade de aprendizado de máquina por causa de suas propriedades interessantes e vantagens computacionais. Com o aumento da coleta de informações nos dias de hoje, muitas fontes de dados apresentam falta de informações, tornando a análise estatística mais difícil ou inviável. Neste artigo, apresentamos um novo modelo, cunhado de máquina de aprendizado extremo espacial, que combina modelagem espacial com máquinas de aprendizado extremo mantendo as boas propriedades de ambas as metodologias e tornando-o muito flexível e robusto. Conforme explicado ao longo do texto, as máquinas de aprendizado extremo espacial têm muitas vantagens em comparação com as máquinas de aprendizado extremo tradicionais. Por meio de um estudo de simulação e uma análise de dados reais, apresentamos como a máquina de aprendizado extremo espacial pode ser usada para melhorar a imputação de dados perdidos e a estimativa de previsão de incerteza