Project Based Learning/코로나19 국내 확진자 수 예측 검색 결과

해당 글 2건

fbprophet을 이용한 대한민국의 코로나19 확진자 추이 예측 (3월 2일 작성)

전에 작성한 포스트는 Kalman Filter 모델을 다뤘습니다. Facebook Prophet을 이용해서 확진자 수를 예측해보고, Kalman Filter의 예상값과 비교해보겠습니다. Kalman Filter 모델에는 세계 지역 별 확진자 수 시계열 데이터를 입력했습니다. 반면 Facebook Prophet은 국내 확진자 수 시계열 데이터만 입력했습니다. Facebook Prophet이 예상한 국내 코로나19 확진자 수가 Kalman Filter 모델의 예상값보다 더 많습니다. Kalman Filter로 예상한 향후 7일 코로나 19 확진자 추이 (3/1 데이터셋 기반) 날짜 국내 코로나19 예상 확진자 수 2020-03-02 4145 2020-03-03 4978 2020-03-04 5415 2020-..
Project Based Learning/코로나19 국내 확진자 수 예측 2020. 3. 2. 11:36

Kalman Filter을 이용한 대한민국의 코로나19 확진자 추이 예측 (3월 1일 작성)

Google Colab으로 코드를 직접 실행시켜보세요 Google Colaboratory colab.research.google.com 연구목적 이 연구는 실시간 Kalman Filter 알고리즘을 이용하여 코로나19(COVID19)의 각 지역 별 확산을 예측합니다. 인구 데이터, 각 지역별 확진자 수, 날씨 데이터를 입력해서 대한민국의 확진자 추이를 예측할 것입니다. Ran Kremer이 Kalman Filter로 제작한 모델은 그동안 단기간의 확진자 증가 수를 비교적 정확하게 예측했습니다. 저는 Ran Kremer의 모델을 대한민국의 경우에 한정해서 확진자 수 / 사망자 수 / 완치자 수의 경향을 예측해보려고 합니다. 2월 22일자 원작자 Ran Kremer의 Medium 아티클 "Kalman Fil..
Project Based Learning/코로나19 국내 확진자 수 예측 2020. 3. 2. 01:20