¿Cómo funciona el modelo de aprendizaje automático?
Los modelos de aprendizaje automáticos son eficientes para recolectar información, pero típicamente requieren más información que un método de modelaje tradicional para proporcionar resultados óptimos. GeoFOR actualmente contiene más de 3 200 casos. Dado a que la recolección de datos está en curso, el modelo es actualizado con frecuencia a la vez que nuevos datos son ingresados.
El tamaño y naturaleza integral de la información geFOR permite a los modelos de aprendizaje automáticos estimar el IPM. Después de que los usuarios ingresen los detalles de su caso, la aplicación automatiza la recolección de datos climáticos y entrega una predicción IPM usando un estadísticamente robusto modelo de regresión XGBoost. El validador modelo de aprendizaje automático IPM predictivo resulta en un valor R² de 0.8 y los usuarios reciben una predicción IPM con un intervalo de 80% de certeza intervalo.
Modelo de predicción vs. Valores reales IPM
La máquina modelo de aprendizaje XGBoost es un conjunto de decisiones, similar a un diagrama de flujo. Usando las características de descomposición de casos conocidos con IPM, el modelo es capaz de predecir un IPM para casos adicionales.
A continuación hay una versión simplificada del modelo para demostrar la relación intuitiva entre las características de descomposición y el IPM. No incorpora variables cómo clima y el lugar donde se encontró el cadáver, así que no es representativo a la actual herramienta de estimación IPM proporcionada por geoFOR.
