LSTM实战：基于PyTorch的新冠疫情确诊人数预测

瑞雪兆我心

已于 2024-03-02 22:11:49 修改

阅读量2k

点赞数 31

文章标签： lstm 人工智能 rnn

于 2024-03-02 17:35:21 首次发布

本文链接：https://blog.csdn.net/contributed_l/article/details/136398614

版权

本文介绍了如何使用Python和LSTM模型分析COVID-19全球确诊数据，包括数据清洗、预处理、模型构建与训练，以及对未来30天的预测。尽管模型性能一般，但展示了基本的数据分析和预测流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

引言

在 Python 中使用 LSTM 预测新型冠状病毒每日确诊病例。参考原文

一、探索数据集

确诊人数数据网址下载该文件 time_series_covid19_confirmed_global.csv

1、导入相关库文件

import torch  # 导入PyTorch库，用于构建和训练深度学习模型
import os  # 导入os库，用于与操作系统交互
import numpy as np  # 导入NumPy库，用于数值计算
import pandas as pd  # 导入Pandas库，用于数据处理和分析
from tqdm import tqdm  # 导入tqdm库，用于显示进度条
import seaborn as sns  # 导入Seaborn库，用于数据可视化
from pylab import rcParams  # 导入rcParams对象，用于设置图形参数
import matplotlib.pyplot as plt  # 导入Matplotlib库，用于绘图
from matplotlib import rc  # 导入rc对象，用于自定义Matplotlib的默认配置
from sklearn.preprocessing import MinMaxScaler  # 导入MinMaxScaler，用于数据标准化
from pandas.plotting import register_matplotlib_converters  # 导入register_matplotlib_converters，用于处理时间序列数据
from torch import nn, optim  # 导入神经网络和优化器模块

# 设置Matplotlib使用的后端为TkAgg
import matplotlib
matplotlib.use('TkAgg')

# 设置Seaborn的样式和调色板
sns.set(style='whitegrid', palette='muted', font_scale=1.2)

# 自定义颜色调色板
HAPPY_COLORS_PALETTE = ["#01BEFE", "#FFDD00", "#FF7D00", "#FF006D", "#93D30C", "#8F00FF"]

# 设置Seaborn的调色板
sns.set_palette(sns.color_palette(HAPPY_COLORS_PALETTE))

# 设置Matplotlib图形的大小
rcParams['figure.figsize'] = 14, 10

# 注册Matplotlib转换器
register_matplotlib_converters()

# 设置随机种子，以确保结果可复现
RANDOM_SEED = 42
np.random.seed(RANDOM_SEED)
torch.manual_seed(RANDOM_SEED)

2、导入每日确诊人数数据集

读取COVID-19全球累计确诊病例数据集

# 数据集包含省、国家/地区、纬度和经度以及病例数是累积的。
df = pd.read_csv('./data/time_series_covid19_confirmed_global.csv')
print(df.head())

3、清洗每日确诊人数数据集

去除前四列无用数据，保留每日累计确诊病例数据

# 去掉前四列我们不需要的数据，通过切片直接获取第五列之后的数据
df = df.iloc[:, 4:]
print(df.head())

4、每日累计确诊的人数及其数据集可视化

对每日累计确诊病例进行求和，转换索引为日期时间格式

# 我们对所有行求和，这样就得到了每日累计案例
daily_cases = df.sum(axis=0)
daily_cases.index = pd.to_datetime(daily_cases.index)
print(daily_cases.head())

plt.plot(daily_cases)
plt.title("Cumulative daily cases")
plt.show()

5、每日撤消累计后的确诊人数及其数据集可视化

最低0.47元/天解锁文章