基于线性和非线性回归的covid - 19数据拟合
版本1.0.3 (3.48 MB)
罗兰·加布里埃尔·帕拉吉迪
线性、指数、logistic、Gompertz、高斯、傅里叶模型适合COVID-19疫情的流行病学数据。
用于拟合COVID-19流行病学数据的几种通用线性和非线性模型的工具集。纵向数据来自约翰霍普金斯大学数据库(来源:https://github.com/CSSEGISandData/COVID-19)，包括:活跃病例数、确诊病例数、死亡病例数、康复病例数。可以对数据库中列出的任何特定国家进行分析，也可以对整个世界数据进行分析。实现的模型包括线性、指数、逻辑、Gompertz、五次多项式、高斯函数和傅里叶函数。Bertalanffy类的三个模型(指数模型、适当逻辑模型和Gompertz模型)在降低模型复杂性和拟合优度之间提供了合理的平衡。我们以线性和对数尺度实现数据/模型可视化，以便于模型比较。
引用作为
罗兰·加布里埃尔·帕拉吉迪和约安·斯特凡·哈普利斯(2020)。covid - 19数据线性和非线性回归拟合(//www.tianjin-qmedu.com/matlabcentral/fileexchange/75016-covid19-data-fitting-with-linear-and-nonlinear-regression)， MATLAB Central File Exchange。检索2020年4月15日。
