本研究では、エージェントベースのワイヤレスセンサーネットワーク（WSN）を用いて疫病の予測を行うために、感染症モデルの一つであるSEIRV（感受性-暴露-感染-回復-ワクチン接種）モデルが採用されました。WSNにおける疫病データの不足という課題に対処する中で、適切な機械学習（ML）アルゴリズムを使用して感染したノードと回復したノードを予測する回帰問題を設定しました。ネットワークの特性や制約を考慮しながら、様々なMLアルゴリズムをテストしました。その結果、Random Forest、XGBoost、決定木、k近傍法が最も良い結果を示し、低エラーメトリックと高いR^2値を達成しました。一方で、サポートベクターレグレッションや線形回帰などはパフォーマンスが低かったことが指摘されています。