机器学习中对传染病的数学建模和多元模型的简述

模型假设的方法

• 数据可视化建模；
• 数学建模；

数据可视化建模

• 在数据分析中被称作：探索性数据分析；
• 高尔顿的身高回归定律；

数学建模

• 最直接最科学的建模方法；

对传染病传播的数学建模

• 参数
  • 地区总人口为N（已知常数）
  • 易感人群（Susceptible），记作：S或者S(t)；
  • 感染人群（Infectious），记作：I或者I(t)；
  • 康复人群（Recovered），记作：R或者R(t)；
• 则有以下数据关系：
  • S = N - I
  • I(t) = di/dt = β(I/N)S - γI
    • 该式表示每天新增的感染人数；
    • β：未知参数；与(I/N)的乘积为易感人群的感染几率；
    • γ：未知参数；为感染人群的康复几率；
• 两式联立求解得I(t)的表达式：
  • I(0)表示初始感染人数；
• 将收集到的该地区一段时间逐日数据报表作为输入数据，对该模型进行训练，得到最优数据β*和γ*，使用最小二乘法求解