论文部分内容阅读
发病率的预测对于传染病的预防与控制起着重要的作用.随着机器学习理论的发展及其在医学领域的应用,更多非线性的机器学习回归方法被应用于传染病发病率的预测中,但目前尚未有使用决策树模型对于发病率进行预测的研究.本文介绍一种新颖的贝叶斯相加回归树模型(Bayesian Additive Regression Tree,BART)应用于猩红热发病率的预测,并与多元线性回归模型及季节性自回归差分移动平均模型进行对比,探讨该模型在实际中应用的可行性.