基于多种模型机器学习算法的数据分析——以COVID-19日常病例为例

摘要

在新冠肺炎防治领域存在大量的定性与定量需求,若采用感性估计的方法会产生较大的人为误差,且可能与疾病传播学相悖.针对以上问题,基于Python开发系统、使用了 SIR传染病模型与随机森林模型等多种数学模型对全球新冠肺炎确诊病例与中国各地区的风险区划分数据进行了分析,比较不同模型之间的局限性,分别建立了新冠肺炎疫情预测模型与风险区评估模型.实验证明,模型有较高的正确率,建立有效的预测模型与风险评估模型对遏制疾病传播有较大的指导意义也为机器学习在疫情防治领域的应用提供了参考.