covid19感染率
在数据COVID-19数据集中使用约翰霍普金斯大学（JHU）系统科学与工程中心（CSSE）和《我们的世界》通过COVID-19数据存储库获取的数据。 开发了层次模型来分析和预测美国的感染率
数据包含以上收集的数据
CovidCountModel.ipynb：具有泊松共轭结构的贝叶斯层次模型
CovidCountModel2.ipynb：具有泊松非共轭结构的贝叶斯层次模型
2021-06-15 09:30:15
399KB
1
Week4_GlobalForecast_COVID19
一个协作存储库，其中包含第4周Kaggle竞赛的全球COVID-19预测代码（ ）
预测/预测主要使用InterpretML库完成，以查看所选要素之间的相关性。
要查看结果，请确保你已经安装了所有必需的包requirements.txt ，并运行experimental.ipynb从笔记本电脑的文件夹中。
2021-06-10 10:49:19
7.26MB
1
These tweets are collected using Twitter API and a Python script. The tweets have #covid19 hashtag. Collection started on 25/7/2020, with an initial 17k batch and will continue on a daily basis.
这些推文是使用Twitter API和Python脚本收集的。这些推文带有＃covid19标签。收集于2020年7月25日开始，最初的批次为17,000，并且每天都会继续收集。
covid19_tweets.csv
2021-05-30 01:30:42
27.84MB
1
Covid19动作
Covid19 Action是Github Action，它在土耳其的covid19数据更新时通过Twilio发送SMS。
截屏
要求
Twilio试用版或升级版帐户。
公开或私有的Github回购。
用法
分叉此仓库。
如果您有试用版twilio帐户，则应指定以发送短信。
转到分叉的仓库的“设置”选项卡，然后从左侧边栏中导航到“秘密”。
根据您的信息创建机密：
MSISDN_RECEIVERS_DELIMITED_WITH_SEMICOLON=+905311234567 ; +905531234567
MSISDN_SENDER=+10987654321
TWILIO_ACCOUNT_SID=AC123456ytfd3123456ytre12345612345
TWILIO_AUTH_TOKEN=7f123456ab56331cd245412312312356
2021-05-07 13:03:25
55KB
1
使用python烧瓶进行Covid 19生长速率可视化。
数据源
约翰·霍普金斯大学系统科学与工程中心（CSSE）提供的COVID-19数据存储库
如果您觉得这很有用，请贡献：
BTC：3Egg2GsyYievwEiiyUkLN2DaokZ27XUS9Y
ETH：0x71a54911Ad33A8D43950E9999F27D8fCe956f7cf
XMR：839uwCZuZp8ESNdZ5YtCujcQw7WEhcBvPMUaBRV5pqdoP8LxgyLtx27KYxEMMAWQog4suatDGAVerRRLMNB3QZNXTqrBbPL
狗：D6NEgAuTYcaeddCGQqFDMWTNRaGMcYreG5
2021-04-03 22:05:37
10KB
1
COVID19互动式Flexdashboard应用程序
此应用程序是约翰·霍普金斯大学彭博公共卫生学院的公共卫生数据科学课的作业。
该应用程序的时间（时间序列）数据来自有关结果的单个数据可在此处找到： 和。
该应用程序是使用针对的框架构建的。 应用程序布局是使用软件包生成的，并且图表和地图使用 ， 和 ，所有这些都可以通过其相应的R软件包进行访问。
欢迎您提出反馈和建议！ 以获取联系信息，或联系。
该应用程序的链接可以在找到
2021-04-01 20:43:15
1KB
1
Covid19_ARIMA-预测
目标
该项目的目的是使用ARIMa模型来预测2021年2月11日至2021年3月3日北卡罗莱纳州，北达科他州，内华达州，新罕布什尔州和新泽西州的COVID-19病例和死亡
脚步：
使auto.arima（p，d，q）x（P，D，Q）模型适合每个州的病例和死亡的两个时间序列
适合被认为合适的替代ARIMA模型
对最佳模型的预测结果取平均值，对替代模型子集的预测结果取平均值
2021-03-31 10:06:29
10KB
1