谷歌搜索与COVID-19时间序列预测动力学研究

发生了什么

据arXiv cs.LG发布的研究，分析了谷歌搜索与COVID-19时间序列的双向预测动力学，引入了预测误差分布熵与DPRS指标。研究考察了八对谷歌趋势-COVID-19数据，使用匹配的LightGBM模型在滚动400天窗口和1-14天展望期内进行预测。研究发现，不同搜索词与病例的关联预测效果不同，例如"loss of smell" -> reported cases预测准确度较高，而"covid test" -> positive rate尽管RMSE增益为负，但FEDE表现突出。研究强调预测准确性和误差分布动态是互补的，并指出预测效果可能依赖于方向和指标，且预测范围是关系的一部分。