金磊 曉查 發自 凹非寺?
量子位 報道 | 公眾號 QbitAI

年僅27歲的他，被彭博評價為“新冠病毒數據超級明星”。

為什么？

憑一己之力，僅用一周時間打造的新冠預測模型，準確度方面碾壓那些數十億美元、數十年經驗加持的專業機構。

他就是Youyang Gu，擁有 MIT 電氣工程和計算機科學碩士學位，以及數學學位。

但值得注意的是，他在醫學和流行病學等方面卻是一個小白。

他的模型，甚至被著名數據科學家、fast.ai創始人Jeremy Howard高度評價道：

唯一看起來合理的模型。

他是唯一一個真正查看數據，并且做得正確的人。

不僅如此，他的模型還被美國疾控中心采用。

到底是個怎樣的預測模型？

時間點要追溯到去年年初。

當時疫情已然在全球蔓延開來，于是公眾試圖用建模的方式，來預測接下來疫情會帶來的影響。

大多數的目光都將希望投向了2家專業機構打造的預測系統——倫敦帝國理工學院、總部位于西雅圖的健康指標與評估研究所（IHME）。

但2家機構給出的預測結果卻是天差地別：

• 倫敦帝國理工學院：到夏天，美國因新冠病毒而死亡的人數將達到200萬。

• IHME：預計到8月，死亡人數將達到6萬。
  

（后來的事實證明，死亡人數是16萬。）

2家專業機構給出的預測數據，差距為何能夠如此之大？

這就讓當時年僅26歲的Youyang Gu引起了注意。

△?Youyang Gu

雖然他沒有任何醫學或流行病方面的經驗，但他堅信，數據預測在此時會派上大用場。

于是，大約在4月中旬，Youyang Gu便在家里僅花了一周時間，打造出了自己的預測器，以及一個可以顯示相關信息的網站。

△Youyang Gu創建的網站

但Gu在這個過程中所用到的方法，并不是說有多么的高級，相反，恰恰是比較簡單的那種。

他首先考慮的是新冠病毒檢測數、住院人數和其他因素之間的關系，但在這個過程中，Gu卻發現各個州和聯邦政府所提供的數據是存在不一致的現象。

此時，問題就來了——什么樣的數據才是靠譜的？

Gu認為，最靠譜的數據，似乎就是每天的死亡人數：

其他的模型用到了很多數據源，但我決定用過去的死亡人數，來預測未來的死亡人數。

至于這樣做的原因，Gu給出的解釋是“將它作為唯一的輸入，有助于在噪音中過濾信號”。

那么，預測結果如何？

可以說是相當的精準了。

在模型剛剛完成時，他預測在5月9日，美國將有8萬人死亡，當天的實際死亡人數為79926。

而同樣來自IHME的預測數據卻是“2020年一整年的死亡人數將不超過8萬”。

Gu還預測在5月18日，死亡人數將達到9萬；5月27日，死亡人數將達到10萬。

事實證明，他的這兩次預測再次“押中”！

除了精準數字的預測外，Gu基于許多州從封鎖狀態逐步轉變開放狀態，預測將出現第二波大規模感染和死亡。

而在Gu發出這樣的預測當天，特朗普所發表的言論卻是“IHME所預測的6萬死亡人數表明，疫情很快將結束”……

或許正是因為Gu的模型預測之精準，越來越多人開始關注他的作品。

在Twitter上，Gu不僅@了各路記者，還給流行病學專家發郵件，讓他們核實自己的數據。

去年4月底，華盛頓大學著名生物學家Carl Bergstrom便在Twitter上發布了Gu的模型。

不久之后，美國疾病控制和預防中心，也在其新冠預測網站上發布了Gu的數據。

不僅如此，隨著疫情的發展，身為中國移民的Gu，還參與了由美國專家團隊組織的定期會議，每個人都想更好的改善他的模型。

他的網站訪問量也呈現出爆炸式增長，每天都有數百萬人來看他的數據。

通常情況下，Gu的模型所預測的數據，基本在幾周后便會達到，與實際的死亡人數非常接近。

隨著類似的預測模型逐漸增多，阿默斯特馬薩諸塞大學生物統計學和流行病學系的副教授Nicholas Reich，便統計了50個這樣的模型：

Gu的模型一直位居前列。

但到了去年11月，Gu卻做出了令人意外的一個決定——結束他的預測任務。

對此，Reich這樣評價道：

Youyang Gu是一個非常謙卑的人，他看到其他人的模型也做得很好，便覺得自己的工作已經完成了。

而在Gu決定停止項目的前一個月，他預測11月1日死亡人數將達到231000人，而實際人數為230995人。

但IHME的Chris Murray認為：

Gu使用的機器學習方法，在短期預測方面的效果比較良好，但不太理解“大局中發生了什么”。

對此，Gu沒有針對模型的評價做出回應，相反，他這樣表態：

我非常感謝 Chris Murray 醫生和他的團隊所做的工作；沒有他們，我就不會有今天的成就。

在休息了一段時間之后，Gu重新投入到了這份事業當中。

這一次，他要做的預測是“美國有多少人感染了新冠病毒”、“疫苗推出的速度有多快”、“美國可能何時（如果可能的話）達到群體免疫”等。

他的預測表明，到今年6月，大約61%的美國人口應該獲得某種形式的免疫力——無論是疫苗還是因過去的感染。

……

Gu一直希望能夠找到一份能對社會產生巨大影響的工作，同時避免政治、偏見以及大型機構有時會帶來的負擔。他認為：

在這個領域，有很多缺點可以通過我這種背景的人來改善。

誰是Youyang Gu？

Youyang Gu出身于美國華裔移民家庭，在伊利諾伊州和加州長大。

Gu從小喜歡數學和科學，直到高中畢業時，才真正接觸計算機科學。而他能夠進入這個行業得益于他的父親，因為他的父親是一名計算機從業者。

△正在做化學實驗的Gu Youyang（圖片來自2010年克拉克獎學金項目）

Gu本科和碩士都在MIT就讀，在那里他獲得了計算機科學與數學雙學士學位，以及計算機科學的碩士學位。

畢業后他繼續在MIT著名的CSAIL實驗室的NLP組進行了一年的研究，同年在EMNLP 2016上發表了論文。

這也是他第一次接觸大數據，并由此建立統計模型對數據進行預測。

不過他沒有因此繼續學術研究，而是進入產業界。從MIT離開后，他加入了金融行業，為高頻交易系統編寫算法。

在那里，他的數據建模能力得到了進一步磨練，因為在金融交易中，數據必須非常定量并盡可能地準確。

之后，他又進入了體育界，繼續進行大數據方面的研究。這也為他提供了豐富的跨學科經驗，使他能夠成功應對新地領域，懂得如何更加準確地建模。

用他自己的話來說，他的專長是使用機器學習來理解數據，將信號與噪聲分離并做出準確的預測。

在建立新冠死亡模型時，他起初考慮了確診數量、住院數量和其他因素之間的關系。然后他發現各州和聯邦政府報告的數據不一致，最可靠的數字是每天的死亡人數。

Gu認為，如果輸入數據質量很低，那么數據越多，輸出的性能就越差。

在一周的時間里，他就根據死亡數據便建立了一個簡單模型，并將預測網站上線。

從去年4月以來，Gu已經自愿在這個項目中投入了幾千個小時，而且是無償的。

在接受醫學網站Medscape主編Eric Topol采訪時，Gu表示自己現在全職投入到新冠預測網站上，沒有兼職、沒有收入，他靠著過去的積蓄生活。

△?Gu Youyang接受Medscape主編Eric Topol視頻采訪

然而就是這樣一個公益的項目卻遭到了一些Twitter網友非議，但是他還是堅持了下來。

從12月開始，covid19-projections.com接受網友的捐贈幫助，現在已經完成了5萬美元的籌款目標。

除了感染人數外，Gu的新冠網站又有了一個新的功能。從去年12月起，covid19-projections.com開始跟蹤和模擬疫苗接種情況以及群體免疫的途徑。

這個月，Gu又將“群體免疫”改成了“恢復常態”，因為他的模型預測表明，美國不太可能在2021年達到理論上的群體免疫。

未來的路怎么走？疫情結束后，Gu的職業規劃如何？

他說現在還為時過早，雖然他現在的工作是預測疫情發展，但是他很難預測自己3個月或1年后要做什么。

因為這項工作，世界各地的高校和企業已經向他拋出了橄欖枝。

參考鏈接：

https://www.bloomberg.com/news/articles/2021-02-19/covid-pandemic-how-youyang-gu-used-ai-and-data-to-make-most-accurate-prediction
https://youyanggu.com/
https://twitter.com/youyanggu
https://covid19-projections.com/
https://www.medscape.com/viewarticle/944778

—?完?—

機器學習系列教程

從隨機森林開始，一步步理解決策樹、隨機森林、ROC/AUC、數據集、交叉驗證的概念和實踐。

文字能說清的用文字、圖片能展示的用、描述不清的用公式、公式還不清楚的寫個簡單代碼，一步步理清各個環節和概念。

再到成熟代碼應用、模型調參、模型比較、模型評估，學習整個機器學習需要用到的知識和技能。

機器學習算法 - 隨機森林之決策樹初探（1）

機器學習算法-隨機森林之決策樹R 代碼從頭暴力實現（2）

機器學習算法-隨機森林之決策樹R 代碼從頭暴力實現（3）

機器學習算法-隨機森林之理論概述

隨機森林拖了這么久，終于到實戰了。先分享很多套用于機器學習的多種癌癥表達數據集 https://file.biolab.si/biolab/supp/bi-cancer/projections/。

機器學習算法-隨機森林初探（1）

機器學習 模型評估指標 - ROC曲線和AUC值

機器學習 - 訓練集、驗證集、測試集

機器學習 - 隨機森林手動10 折交叉驗證

一個函數統一238個機器學習R包，這也太贊了吧

基于Caret和RandomForest包進行隨機森林分析的一般步驟 （1）

Caret模型訓練和調參更多參數解讀(2)

機器學習相關書籍分享

基于Caret進行隨機森林隨機調參的4種方式

送你一個在線機器學習網站，真香！

UCI機器學習數據集

機器學習第17篇 - 特征變量篩選（1）

機器學習第18篇 - 基于隨機森林的Boruta特征變量篩選（2）

機器學習系列補充：數據集準備和更正YSX包

機器學習第20篇 - 基于Boruta選擇的特征變量構建隨機森林

往期精品(點擊圖片直達文字對應教程)

機器學習

后臺回復“生信寶典福利第一波”或點擊閱讀原文獲取教程合集

?

（請備注姓名-學校/企業-職務等）

總結

以上是生活随笔為你收集整理的27岁华裔小伙搞出美国新冠最准预测模型，一人干翻专业机构，彭博：Superstar...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。