⏶2
一种深度学习和机器学习方法，用于预测圣保罗背景下的新生儿死亡
发表
由 
Rajan Das Gupta 提交
Rajan Das Gupta 提交作者: Mohon Raihan, Plabon Kumar Saha, Rajan Das Gupta, A Z M Tahmidul Kabir, Afia Anjum Tamanna, Md. Harun-Ur-Rashid, Adnan Bin Abdus Salam, Md Tanvir Anjum, A Z M Ahteshamul Kabir
Rajan Das Gupta, A Z M Tahmidul Kabir, Afia Anjum Tamanna, Md. Harun-Ur-Rashid, Adnan Bin Abdus Salam, Md Tanvir Anjum, A Z M Ahteshamul Kabir摘要
新生儿死亡在欠发达国家乃至一些发达国家仍然是一个令人担忧的现实。根据 Macro Trades 的数据，全球数据显示每1000名新生儿中有26.693名婴儿死亡。为了减少这个数字，对濒危婴儿进行早期预测至关重要。这种预测使得能够对儿童和母亲进行充分的护理，从而避免儿童的早期死亡。在此背景下，机器学习被用于确定新生儿是否处于危险之中。为了训练预测模型，使用了140万新生儿的历史数据。机器学习和深度学习技术，如逻辑回归、K近邻、随机森林分类器、极端梯度提升（XGBoost）、卷积神经网络和长短期记忆（LSTM），被应用于该数据集，以确定预测新生儿死亡率最准确的模型。在机器学习算法中，XGBoost和随机森林分类器达到了94%的最佳准确率，而在深度学习模型中，LSTM以99%的准确率表现最高。因此，使用LSTM似乎是预测是否需要对儿童采取预防措施的最合适方法。
我们的最新研究题为“在圣保罗背景下使用深度学习和机器学习方法预测新生儿死亡”，旨在利用大型数据集（140万个样本）调查机器学习（ML）和深度学习（DL）模型在预测新生儿死亡方面的预测能力。LSTM模型取得了99%的准确率，优于XGBoost和随机森林等其他技术。我们很高兴分享这项工作，并欢迎对研究方法和未来方向提出宝贵意见！