专栏首页机器学习初学者精选文章【推荐】新冠肺炎的最新数据集和简单的可视化和预测分析(附代码)

【推荐】新冠肺炎的最新数据集和简单的可视化和预测分析(附代码)

新冠肺炎现在情况怎么样了?推荐Github标星21.7K+的新冠肺炎公开数据集,并且用代码进行简单地可视化及预测。

推荐新冠肺炎的公开数据集:

https://github.com/CSSEGISandData/COVID-19

数据可视化:

https://www.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6

数据集能做什么?

这个数据集可以做以下分析:

  • 全球趋势
  • 国家(地区)增长
  • 省份情况
  • 美国
  • 欧洲
  • 亚洲
  • 什么时候会收敛?进行预测

简单演示

世界病例增长

美国病例增长

主要国家的比较

病例预测(按照现在的速度,到7月份,全球就会有700万例了!!!)

数据来源

数据来源:

  • World Health Organization (WHO): https://www.who.int/
  • DXY.cn. Pneumonia. 2020. http://3g.dxy.cn/newh5/view/pneumonia.
  • BNO News: https://bnonews.com/index.php/2020/02/the-latest-coronavirus-cases/
  • National Health Commission of the People’s Republic of China (NHC): http://www.nhc.gov.cn/xcs/yqtb/list_gzbd.shtml
  • China CDC (CCDC): http://weekly.chinacdc.cn/news/TrackingtheEpidemic.htm
  • Hong Kong Department of Health: https://www.chp.gov.hk/en/features/102465.html
  • Macau Government: https://www.ssm.gov.mo/portal/
  • Taiwan CDC: https://sites.google.com/cdc.gov.tw/2019ncov/taiwan?authuser=0
  • US CDC: https://www.cdc.gov/coronavirus/2019-ncov/index.html
  • Government of Canada: https://www.canada.ca/en/public-health/services/diseases/coronavirus.html
  • Australia Government Department of Health: https://www.health.gov.au/news/coronavirus-update-at-a-glance
  • European Centre for Disease Prevention and Control (ECDC): https://www.ecdc.europa.eu/en/geographical-distribution-2019-ncov-cases
  • Ministry of Health Singapore (MOH): https://www.moh.gov.sg/covid-19
  • Italy Ministry of Health: http://www.salute.gov.it/nuovocoronavirus
  • 1Point3Arces: https://coronavirus.1point3acres.com/en
  • WorldoMeters: https://www.worldometers.info/coronavirus/
  • COVID Tracking Project: https://covidtracking.com/data. (US Testing and Hospitalization Data. We use the maximum reported value from "Currently" and "Cumulative" Hospitalized for our hospitalization number reported for each state.)
  • French Government: https://dashboard.covid19.data.gouv.fr/
  • COVID Live (Australia): https://www.covidlive.com.au/
  • Washington State Department of Health: https://www.doh.wa.gov/emergencies/coronavirus
  • Maryland Department of Health: https://coronavirus.maryland.gov/
  • New York State Department of Health: https://health.data.ny.gov/Health/New-York-State-Statewide-COVID-19-Testing/xdss-u53e/data
  • NYC Department of Health and Mental Hygiene: https://www1.nyc.gov/site/doh/covid/covid-19-data.page and https://github.com/nychealth/coronavirus-data
  • Florida Department of Health Dashboard: https://services1.arcgis.com/CY1LXxl9zlJeBuRZ/arcgis/rest/services/Florida_COVID19_Cases/FeatureServer/0 and https://fdoh.maps.arcgis.com/apps/opsdashboard/index.html#/8d0de33f260d444c852a615dc7837c86

总结

本文推荐新冠肺炎的公开数据集,并把数据可视化,并对感染人数进行了预测。

数据集地址:

https://github.com/CSSEGISandData/COVID-19

演示代码地址:https://github.com/fengdu78/machine_learning_beginner/blob/master/covid19/code/coronavirus-covid-19-visualization-prediction.ipynb

本文分享自微信公众号 - 机器学习初学者(ai-start-com),作者:机器学习初学者

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-05-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 【NLP】推荐一些NER的英文数据集

    https://www-nlpir.nist.gov/related_projects/muc/

    黄博的机器学习圈子
  • 复现经典:《统计学习方法》第13章 无监督学习概论

    无监督学习是指从无标注数据中学习模型的机器学习问题。无标注数据是自然得到的数据,模型表示数据的类别、转换或概率无监督学习的本质是学习数据中的统计规律或潜在结构,...

    黄博的机器学习圈子
  • 【深度学习】21个深度学习调参技巧,一定要看到最后一个

    训练深度神经网络是困难的。它需要知识和经验,以适当的训练和获得一个最优模型。在这篇文章中,我想分享我在训练深度神经网络时学到的东西。以下提示和技巧可能对你的研究...

    黄博的机器学习圈子
  • 资源 | 麻省理工学院开放 2018 自动驾驶课程

    编辑 | SuiSui 这门课主要通过实际上手自动驾驶汽车项目来讲述深度学习的实践和应用,主要面向初学者,专为机器学习新手设计,但该领域的高级研究人员也可以通过...

    AI科技大本营
  • “每天AI资讯这么多!该看哪些?”推荐一份优质资料清单

    原作 BAILOOL & meetshah1995 Root 编译自 GitHub 量子位 出品 | 公众号 QbitAI 人工智能最近火到炸裂,不看吧担心和时...

    量子位
  • 收集数据太困难?这里为你准备了 71 个免费数据集

    日前,KDnuggets 上的一篇文章总结了七十多个免费的数据集,内容涉及到政府、金融、卫生、新闻传媒等各个方面,除了这些数据,文中还提供数据提取地址。 AI ...

    AI研习社
  • 那些你可能用得上的在线办公神器系列(三)

    类似的还有 http://www.1ppt.com/ , https://templates.office.com/,http://www.hippter.co...

    苏生不惑
  • 那些有意思的网站

    最近微博上发现一个狗屁不通文章生成器,试了下,有点意思,接着又发现了不少类似有意思的网站,正好做个整理分享下。

    苏生不惑
  • 对编程非常有用的资源分享(工具+电子书)

    独特且强悍的JavaScript 算法,能极速压缩 80% 的图片大小,而不损害其质量。

    用户2769421
  • 自然语言处理数据集免费资源开放(附学习资料)

    作者:Jason Brownlee 翻译:梁傅淇 本文长度为1500字,建议阅读3分钟 本文提供了七个不同分类的自然语言处理小型标准数据集的下载链接,对于有志于...

    数据派THU

扫码关注云+社区

领取腾讯云代金券