影响美国各县 COVID-19 风险的因素：结合无监督与监督学习的创新方法
机器学习
2021-12-07 v2 机器学习
摘要
COVID-19 疾病传播迅速，在中国确认首例阳性病例后近三个月，冠状病毒开始在美国各地蔓延。一些州和县报告了大量阳性病例和死亡，而另一些则报告了较低的 COVID-19 相关病例和死亡率。本文在县级分析了可能影响 COVID-19 感染与死亡风险的因素。利用 K-means 聚类和若干分类模型的创新方法被用于确定最关键的因素。结果表明，平均温度、贫困线以下人口百分比、肥胖成人百分比、气压、人口密度、风速、经度以及无保险人口百分比是最显著的特征。
引用
@article{arxiv.2106.12766,
title = {Factors affecting the COVID-19 risk in the US counties: an innovative approach by combining unsupervised and supervised learning},
author = {Samira Ziyadidegan and Moein Razavi and Homa Pesarakli and Amir Hossein Javid and Madhav Erraguntla},
journal= {arXiv preprint arXiv:2106.12766},
year = {2021}
}
备注
15 pages, 8 figures, 5 tables