贝叶斯方法会改善COVID-19预测吗？
世界各地的数据科学家都在预测COVID
通常，他们做得很好。
但是，大多数预测差异很大
并不是说他们不准确
有一些内在的原因
首先，缺乏流行病学和生物统计学领域的知识。大多数数据科学家缺乏流行病学和生物统计学方面的知识，这些知识对于COVID-19预报至关重要。
但是，假设您确实掌握了这些知识，则大多数模型仅与数据一样好-几乎没有数据。
因此，大多数模型都应用来自其他上下文/地理区域的数据。
例如，英国模型基于意大利的数据
有四个用于模拟大多数疾病爆发的基本要素：
在疫情爆发的早期阶段，每个感染个体的感染人数，即R0，
爆发持续时间
病死率，感染者死亡的可能性和
无症状比率
所有这些都依赖于不完美的数据，并且不一定适用于所有地区
此外，这取决于模型将强调哪些功能
在英国，两种最著名的模型（帝国大学和牛津大学）强调不同的因素，并就传播程度得出不同的结论（但都同意社会距离）ref Bloomberg-它有助于了解帝国和牛津的预测冠状病毒模型，以及他们可以做什么和不能做什么。
因此，即使模型可以告诉我们可能的情况，模型也不能真正说出COVID-19下一步将爆炸的地方。
对于“ where next”元素–我们需要联系人跟踪以捕获数据
因此，所有这些都表明无论您以何种方式查看模型，都需要数据
除了一个例外
在这种情况下，贝叶斯方法会产生更好的结果吗？
艾萨克·法伯（Isaac Faber）–我推荐的见解–说
对流行病的建模表明，这场辩论应该仍然是头等大事。常驻人员主要是在为世界领导人提供意见的聚光灯下。如果您近距离聆听，您会听到一个普遍的口号：“我们只需要更多数据”。当然，这是具有统计意义的古老问题。但是，今天，我们还没有进行无害的实验室研究，这些数据只能通过死亡来实现。这比其他任何论点都更能说明实践中频繁使用危险的方法。当您最需要时，这些方法不能给您足够的信心。您需要等待足够多的尸体。这可能是为什么许多政府行动迟缓的原因。他们的顾问没有足够的数据来充满信心。贝叶斯算法在专家判断（先验信念）和少量数据的基础上快速行动是没有问题的。想加入贝叶斯主义者吗？从这里开始：

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！