新型冠状病毒病数据的线性和非线性回归拟合
版本1.0.3 (3.48 MB
Lorand Gabriel Parajdi
线性、指数、logistic、Gompertz、高斯、傅立叶模型拟合了COVID-19暴发的流行病学数据。
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合。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、高斯和傅里叶函数。Bertalanffy类的三种模型(指数模型、固有逻辑模型和Gompertz模型)在降低模型复杂度和拟合良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
Lorand Gabriel Parajdi和Ioan Stefan Haplea(2020年)。基于线性和非线性回归的COVID19数据拟合(//www.tianjin-qmedu.com/matlabcentral/fileexchange/75016-covid19-data-fitting-with-linear-and-nonlinear-regression)， MATLAB中央文件交换。2020年4月15日检索。
COVID19_data_fitting
COVID19_data_fitting
您也可以从以下列表中选择网站: