基于约翰斯·霍普金斯大学 COVID-19 时间序列数据的预测分析
机器学习
2020-05-26 v3 信号处理
摘要
我们利用约翰斯·霍普金斯大学在线公开提供的数据集，对 COVID-19（亦称 SARS-CoV-2）的传播进行预测分析。我们的主要目标是预测不同国家在未来 14 天内的感染人数。该预测分析使用在对数尺度上转换的时间序列数据完成。我们采用两种著名的预测方法：多项式回归与神经网络。由于每个国家的训练数据数量有限，我们使用一种称为极限学习机（ELM）的单层神经网络以避免过拟合。由于时间序列的非平稳特性，我们采用滑动窗口方法以提供更准确的预测。
引用
@article{arxiv.2005.05060,
title = {Predictive Analysis of COVID-19 Time-series Data from Johns Hopkins University},
author = {Alireza M. Javid and Xinyue Liang and Arun Venkitaraman and Saikat Chatterjee},
journal= {arXiv preprint arXiv:2005.05060},
year = {2020}
}