COVID-19 病例与死亡人数的可扩展预测性时间序列分析
分布式、并行与集群计算
2021-04-26 v1 机器学习
摘要
COVID-19 是一种自 2019 年 12 月开始在世界范围内传播的急性疾病。截至 2020 年 10 月，它已蔓延全球，影响了超过 700 万人，并有 20 万人死于该感染。在本文中，我们基于时间序列 ARIMA 和 ETS，使用传统平台和大数据平台预测了美国洛杉矶和纽约的死亡人数与确诊病例数。我们还使用 Facebook Prophet API 实现了更为复杂的时间序列预测模型。此外，我们构建了 Logistic Regression 和 Random Forest 回归分类模型，以表明天气并不影响确诊病例数。这些模型在遗留系统（Azure ML Studio）和大数据系统（Oracle Cloud 和 Databricks）中构建并运行。同时，我们给出了模型的准确度。
引用
@article{arxiv.2104.11349,
title = {Scalable Predictive Time-Series Analysis of COVID-19: Cases and Fatalities},
author = {Shradha Shinde and Jay Joshi and Sowmya Mareedu and Yeon Pyo Kim and Jongwook Woo},
journal= {arXiv preprint arXiv:2104.11349},
year = {2021}
}
备注
8 pages, 7 figures, 4 tables