基于聚类的多元时间序列双重演化分析：以COVID-19为例
统计方法学
2020-07-07 v3 动力系统
物理与社会
种群与进化
摘要
本文提出了一种基于聚类的方法来分析多元时间序列的演化，并将其应用于COVID-19大流行。每天，我们根据各国的病例数和死亡数将其划分为不同的聚类。聚类的总数和各个国家的聚类归属由算法确定。我们研究了这两个量随时间的变化，展示了病例和死亡演化过程的密切相似性。病例数的聚类数量变化比死亡病例数的聚类数量变化提前32天。另一方面，通过一种比较亲和矩阵的新方法确定，在聚类分组最大一致性方面，存在16天的最佳偏移量。考虑到这一偏移量，我们识别出从COVID-19病例发展到死亡过程中表现异常的国家。此分析有助于突出在降低一国COVID-19死亡率方面最有效和最无效的公共政策。
引用
@article{arxiv.2005.02125,
title = {Cluster-based dual evolution for multivariate time series: analyzing COVID-19},
author = {Nick James and Max Menzies},
journal= {arXiv preprint arXiv:2005.02125},
year = {2020}
}
备注
Accepted manuscript. Major expression edits and minor new inferences relative to v2. Equal contribution