高传染性传染病的传播趋势预测
一 提交的数据的格式要求 (result_data)
Data to be Submitted by the Contestants (result_data)
选手需要预测后30天每天每个城市对应区域的新增感染人数,提供的文件格式为:城市ID,区域ID,日期,每日新增感染人数;“,”分割。选手提交结果文件命名为submission.csv,内容示例如下:
二 现有训练数据格式
针对赛题所构造的若干虚拟城市,构造传染病群体传播预测模型
根据该地区传染病的历史每日新增感染人数
、城市间迁徙指数
、网格人流量指数
、网格联系强度
和天气
等数据,预测
群体未来
一段时间每日新增感染人数
。
赛题共涉及11个虚拟城市90天的感染情况
,每个城市有若干重点区域
。
初赛要求针对所提供的5个城市,利用每个城市各区域前45天的样本数据
进行训练,预测每个城市各区域后30天每天的新增感染人数
。
复赛要求针对包含初赛城市在内的11个城市
,利用每个城市各区域前60天的样本数据进行训练
,预测每个城市各区域后30天每天的新增感染人数
。
训练集共包括5个城市,每个城市目录下的数据集总体说明:
1.各区域每天新增感染人数
。文件名:infection.csv。提供前45天每天数据,文件格式为城市ID,区域ID,日期,新增感染人数;“,”分割。
2.城市间迁徙指数
。文件名:migration.csv。提供45天每天数据。文件格式为迁徙日期,迁徙出发城市,迁徙到达城市,迁徙指数;“,”分割。
3.网格人流量指数
。文件名:density.csv。提供45天内每周两天抽样数据,文件格式为日期,小时,网格中心点经度,网格中心点纬度,人流量指数;“,”分割。
4.网格关联强度
。文件名:transfer.csv。城市内网格间关联强度数据,文件格式为小时,出发网格中心点经度,出发网格中心点纬度,到达网格中心点经度,到达网格中心点纬度,迁移强度;“,”分割。
5.网格归属区域
。文件名:grid_attr.csv。城市内网格对应的归属区域ID,文件格式为网格中心点经度,网格中心点纬度,归属区域ID;“,”分割。
6.天气数据
。文件名:weather.csv。提供45天每天数据,文件格式为日期,小时,气温,湿度,风向,风速,风力,天气;“,”分割。
文件数据示例详细说明:
1.infection.csv-各区域每天新增感染人数
2.migration.csv-城市间迁徙指数
3.density.csv-网格人流量指数
4.transfer.csv-网格关联强度
5.grid_attr.csv-网格归属区域
6.weather.csv-天气数据
三 复赛阶段 Playoff Stage
新增6个城市,训练集的城市数量从5增加到11;训练集的时间窗口从45天增加到60天;其他不变。
能不能创造出新的更具有区别度的数据
四 数据分析
本项目的目的与需求是预测后30天每天每个城市对应区域的新增感染人数
一
- 新增感染人数有从0-47382,这么大的范围,作为一个分类问题较为困难,可以试做回归问题
- A城市有117个区
- B-29
- C-134
- D-74
- E-33
二 先做二分类的数据重要性分析
先做二分类的数据重要性分析,把有感染和无感染分离,看其特征数据
- 共有5个城市 , 387个区
- 城市间迁徙指数 ------涉及 5个城市
- 网格人流量指数+网格关联强度 -------涉及城市的各个区
- 天气-------涉及整个城市
- 最后预测的基本时间单位是—天
也就是说二分类的基本信息应该在天以内 - 同时空间上是具体到-----区
- 综上就需要考虑到 某区内一天的特征量(特征属性–能代表某区一天的特征)
1 对于天气而言:
weather.csv-天气数据
一天的数据
先简化一下吧:
- 剔除小时
- 气温取平均值
- 湿度取平均值
- 其余独热
2 对于迁移指数而言:
migration.csv-城市间迁徙指数
主要要挑出和A城市每天有关的迁移指数,可以独热出四维
3 对于 网格人流量指数 而言:
density.csv-网格人流量指数
通过grid_attr.csv把在一天内的某个区内的人流量指数给统计出来
grid_attr.csv-网格归属区域
transfer.csv-网格关联强度
把经纬度确定到区
有个思路,可不可以先做二分类,在将感染的做回归预测
天气 | 迁移指数 | 网络人流量指数 | 网格关联强度 |
---|
输出的话不应该是一个,应该是所有特征量+结果(感染人数)