基于XGBoost模型的新型冠状病毒(COVID-19)疫情分析与预测

摘要：

为了对新型冠状病毒(COVID-19)传播趋势实现更加精确的预测,提出了一种COVID-19的智能估算方法.首先利用Matplotlib对COVID-19数据进行可视化分析、提取特征,利用XGBoost建立智能估算方法模型,结合全国、湖北以及其他四个省份的COVID-19数据进行智能估算.实验结果表明,与线性回归、随机森林、SVM、KNN相比,该方法在平均绝对误差、均方根百分比误差和最大估算误差3个技术指标上均优于其他四种回归算法,具有较高的估算精度和泛化能力.

关键词：新型冠状病毒、疫情、特征提取、模型构建、XGBoost算法

所属期刊栏目：6

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2022-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：58-62