马库斯·斯皮斯克摄于 Pexels
几乎世界所有地区都被感染了许多人的新冠肺炎疫情所震惊；甚至有数百万人在这次疫情中丧生。2019 年 12 月，中国湖北省武汉市发现首例新冠肺炎病例。2020 年 1 月 30 日，世界卫生组织(世卫组织)宣布全球进入卫生紧急状态。新冠肺炎传播很快，因为它可以通过半径 2 米内的空气直接传播，也可以在直接接触或感染者打喷嚏或咳嗽时传播[ 3 ]。
新冠肺炎疫情在经济、卫生、教育等各个领域对人们的生活产生了重大影响。印度尼西亚政府实施的一些政策包括在公共场所戴口罩、小范围的社会限制、社交距离(2 米)、在线学习、在家工作、关闭各种吸引人群的场所等。[2].然而，并非印尼政府实施的所有政策都能有效防止新冠肺炎病毒的传播。拥有一个可靠的预警方法是非常重要的，以估计这种疾病会对社区造成多大的影响，在此基础上，人们希望政府能够在应对新冠肺炎疫情时实施正确的政策。
我们如何在应对新冠肺炎时找到一个合适的预警方法？通过机器学习或深度学习，我们可以估计/预测/预测感染新冠肺炎病毒的病例数量。在我们知道感染新冠肺炎病毒的估计病例有多大后，我们可以通过考虑这些数据来制定应对这种疫情的政策。
你可以在这里访问我们使用的谷歌合作实验室
我们将分析印度尼西亚的新冠肺炎数据，并创建一个深度学习模型来预测感染新冠肺炎病毒的病例数量。我们的流程包括数据清理和预处理、探索性数据分析、建模和得出结论。
我们使用https://tiny.cc/Datacovidjakarta上的数据集
因为我们使用 python 编程语言，所以在本文中我们将使用几个库。我们要做的第一件事是导入所有需要的库。
我们导入 Numpy 来执行计算。用于数据处理的熊猫。用于数据可视化的 Matplotlib、Seaborn 和 Plotly。sci kit-学习在数据预处理、机器学习等方面有用的算法。TensorFlow 用于构建神经网络。
在准备或清理数据之前，我们必须使用 pandas 将数据集加载到数据框中。为此，我们可以使用pd.read_excel()函数。
我们还使用.head()显示数据集的前五行。
以防我们的数据集在数据清理期间被破坏，我们使用.copy()方法来复制我们的数据集。
df = data.copy()
嗯，这里可能有一些列名无法理解，因为他们使用巴哈萨语，所以我们将使用英语重命名列名。同样，这里我们将只关注分析列['Positif (Indonesia)', 'Sembuh (Indonesia)', Meninggal (Indonesia)']。因此，我们将删除不使用的列。
要查看数据集中的信息，我们可以使用df.info()。
我们使用的数据集有 893 行和 4 列。在date列中，有一个datetime64数据类型，另一列有一个float64数据类型。但是，问题出在日期列，它比其他 3 列有更多的行，因此我们可以假设除了date列之外的 3 列中有缺失值。
在代码df.dropna(inplace=True)中，我们删除了缺少值的列。然后，在代码df.drop(index=0, inplace=True)中，我们删除了第一行，因为它与下面的行相比有不一致的时间差。接下来，我们重置数据集df.reset_index(drop=True, inplace=True)的索引。
我们要做的下一件事是检查数据中是否有任何重复和缺失的值，如果有，我们应该删除它们。
如果结果证明我们的数据中没有重复，那么我们的数据清理过程将到此结束。接下来，我们将进入探索性数据分析过程，但在此之前，我们将再次查看我们的数据框信息，以确保我们的数据清理过程完全完成。
最后，我们应该再次呈现数据集的概述。
在这个阶段，我们将探索我们的数据集，并试图了解更多。我们想知道数据集的描述性统计的摘要，为此，我们可以使用.describe()和.transpose()将行转换成列。
df.describe().transpose()
接下来想知道阳性确诊病例总数，死亡病例数，痊愈病例数的对比。为此，我们可以将数据可视化，以便更容易理解。
图片由作者提供。
根据上面的饼图，我们可以看出，恢复病例和阳性病例的比较几乎相等。这表明由于感染了新冠肺炎病毒，恢复率很高，但传播率也很高。然后，可以看出，与康复和死亡病例相比，死亡病例的面积较小，这表明由于新冠肺炎病毒，存活率较高。
然后，我们还希望使用折线图查看前一段时间的新冠肺炎案例历史。
图片由作者提供。
根据上面的折线图，我们可以看到，阳性病例偶尔会快速上升，但新冠肺炎的恢复率也相当高，与非常高的传播率相比，新冠肺炎的死亡人数非常少。
探索数据之间的相关性将是我们探索性数据分析过程的最后一步。
使用热图可视化数据之间的相关性(图片由作者提供)。
这里，我们使用皮尔逊相关方法计算数据之间的相关性，这是两个变量之间线性相关性的一种度量。所有这些数据彼此之间有很高的正相关性。我们可以理解为，一个变量值增加，另一个变量值也会增加。就像如果阳性病例上升，回收率也会上升。
在创建深度学习模型之前，我们要做的就是先准备好预处理的数据。因为我们关注的是正列，所以我们将删除其他列。
这里，我们还将数据类型更改为int64，并将数据帧转换为一维 NumPy 数组。那么，数据一定是经过缩放的。
这里我们使用 Scikit-learn 中的MinMaxScaler方法缩放数据。我们也只对总数据集的 80%应用缩放，准确地说，我们只缩放用于模型训练过程的数据。
接下来，我们创建一个函数，用于将数据集分为训练数据和测试数据。我们将 80%的训练数据和 20%的测试数据分开。
接下来，我们设计一个用于时间序列数据预测(预报)的神经网络架构。
图片由作者提供。
我们设计了一个神经网络模型使用 Conv1d，LSTM 和辍学层。LSTM 神经元在用于时间序列数据时非常有效。在这里，我们还添加了一个辍学层作为正则化。我们模型中的总参数是 99.521。
在完成构建神经网络架构之后，我们必须定义损失函数的矩阵以及优化器。我们选择均方误差作为损失函数和优化器 Adam(自适应矩估计)。我们基于考虑选择了 Adam，因为它是自适应的，并且需要较少的学习率超参数调整。
model.compile(loss= 'mse', optimizer= 'adam')
下一步我们将使用已经准备好的数据来训练我们的模型。
模型训练结果(图片由作者提供)。
当进行模型训练过程时，我们还确定学习速率并执行早期停止。对于学习速率我们选择了ReduceLROnPlateau算法，因为学习速率可以根据矩阵自适应(矩阵不增长时学习速率会降低)。
在我们完成对模型的训练后，我们将评估我们训练的模型的性能。
培训和验证损失的可视化(图片由作者提供)。
为了让我们更容易评估模型，我们使用折线图来可视化训练损失和验证损失。从图中可以看出，测试数据中的误差随着时期数的增加而减小。
我们还将比较模型的实际值和预测值。为了便于观察，我们也将它形象化。
实际值与预测值(图片由作者提供)。
可以看出，模型预测的值接近实际值。然后，我们假设我们的模型表现得相当好。
接下来，我们准备用于预测的数据。
接下来，我们将绘制全部数据，并将其与模型的预测结果进行比较。实际上，它和上面的差不多，但是这里包括了我们所有的数据。
在折线图中，可以看到模型的预测值与实际值几乎相等。
现在我们将预测未来 30 天的新冠肺炎病例。
最后，我们将预测的数据可视化。这也让我们更容易分析和理解数据。
可视化预测输出(作者提供的图片)。
我们使用自己设计和训练的模型对未来 30 天进行预测。之后，我们使用折线图进行了可视化，以查看预测结果。可以看出，未来 30 天，我们的模型预测印尼的新冠肺炎病例将继续增加。
新冠肺炎是今天仍在发生的疫情。明智的决策是基于现有的数据，通过使用这些数据，我们可以预测未来的事件。根据我们所做的过程，我们了解到印尼的新冠肺炎疫情并不太差。这是基于对阳性、康复和死亡病例的比较。
我们专注于正面案例，并建立深度学习模型来预测未来的案例。因此，我们预测新冠肺炎阳性病例在未来 30 天内将继续增加。然而，这也是基于不确定性，我们的模型也不能 100%预测真实的结果。在此基础上，我们还将根据未来的情况做出决定。
[1]库尔尼亚万，a .，&库尔尼亚万，F. (202 1)。利用曲线拟合对新冠肺炎在印度尼西亚传播的时间序列预测。2021 年第三届东印度尼西亚计算机和信息技术会议。
[2]ge Ron，A. (2019)。使用 Scikit-Learn、Keras 和 TensorFlow 进行动手机器学习，第二版(第二版。).奥莱利媒体。
[3] Painuli 博士、Mishra 博士、Bhardwaj 博士和 Aggarwal 博士(2021 年)。基于机器学习的新冠肺炎预测预报。新冠肺炎数据科学，381–397 页。https://doi.org/10.1016/b978-0-12-824536-1.00027-7
[4]塞蒂亚提，西提&阿兹瓦尔，穆罕默德。(2020).新冠肺炎和印尼。印度尼西亚医学学报。52.84–89.