ترجمه فارسی مقاله تأثیر پیش پردازش داده های جامع بر مدل سازی پیش بینی مرگ و میر COVID-19

چکیده

Accurate predictive models are crucial for analysing COVID-19 mortality trends. This study evaluates the impact of a custom data preprocessing pipeline on ten machine learning models predicting COVID-19 mortality using data from Our World in Data (OWID). Our pipeline differs from a standard preprocessing pipeline through four key steps. Firstly, it transforms weekly reported totals into daily updates, correcting reporting biases and providing more accurate estimates. Secondly, it uses localised outlier detection and processing to preserve data variance and enhance accuracy. Thirdly, it utilises computational dependencies among columns to ensure data consistency. Finally, it incorporates an iterative feature selection process to optimise the feature set and improve model performance. Results show a significant improvement with the custom pipeline: the MLP Regressor achieved a test RMSE of 66.556 and a test R-squared of 0.991, surpassing the DecisionTree Regressor from the standard pipeline, which had a test RMSE of 222.858 and a test R-squared of 0.817. These findings highlight the importance of tailored preprocessing techniques in enhancing predictive modelling accuracy for COVID-19 mortality. Although specific to this study, these methodologies offer valuable insights into diverse datasets and domains, improving predictive performance across various contexts.

چکیده به فارسی (ترجمه ماشینی)

مدلهای پیش بینی دقیق برای تجزیه و تحلیل روند مرگ و میر COVID-19 بسیار مهم هستند.این مطالعه تأثیر یک خط لوله پیش پردازش داده های سفارشی را در ده مدل یادگیری ماشین پیش بینی مرگ و میر COVID-19 با استفاده از داده های دنیای ما در داده ها (OWID) ارزیابی می کند.خط لوله ما از طریق چهار مرحله کلیدی با یک خط لوله پیش پردازش استاندارد متفاوت است.در مرحله اول ، این تعداد کل گزارش شده هفتگی را به روزرسانی های روزانه ، اصلاح تعصبات گزارش و ارائه تخمین های دقیق تر تبدیل می کند.ثانیاً ، از تشخیص و پردازش دورتر موضعی برای حفظ واریانس داده ها و افزایش دقت استفاده می کند.ثالثاً ، از وابستگی های محاسباتی بین ستون ها برای اطمینان از قوام داده ها استفاده می کند.سرانجام ، این یک فرآیند انتخاب ویژگی تکراری برای بهینه سازی مجموعه ویژگی ها و بهبود عملکرد مدل را شامل می شود.نتایج نشان می دهد پیشرفت قابل توجهی با خط لوله سفارشی: رگرسور MLP یک آزمایش RMSE از 66.556 و یک تست R-Squared 0.991 را بدست آورد ، و از رگرسور تصمیم گیری از خط لوله استاندارد فراتر رفت ، که دارای RMSE تست 222.858 و یک آزمون R-S-Squared بوداز 0.817.این یافته ها اهمیت تکنیک های پیش پردازش متناسب را در تقویت دقت مدل سازی پیش بینی برای مرگ و میر COVID-19 برجسته می کند.اگرچه خاص برای این مطالعه است ، این روشها بینش ارزشمندی را در مورد مجموعه داده ها و دامنه های متنوع ارائه می دهند و عملکرد پیش بینی کننده را در زمینه های مختلف بهبود می بخشند.