高传染性传染病的传播趋势预测

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)