SARS

利用Logistic函数和LSTM分析疫情数据 作者：林泽龙 Mo 1. 背景 2019 新型冠状病毒 （SARS-CoV-2），曾用名 2019-nCoV，通用简称新冠病毒，是一种具有包膜的正链单股 RNA 冠状病毒，为 2019 年底出现的新型冠状病毒感染的肺炎疫情的病原。在疫情爆发期间，研究人员对肺炎阳性患者样本进行核酸检测以及基因组测序后发现了这一病毒。 如今疫情成了人们最为关心的话题，通过各方的努力疫情也得到了相应的控制，对于疫情的预测许多专业的人士也有不同看法，本文就基于两个简单的模型来预测和分析疫情的数据，当然结果也仅供参考。 2. 数据采集 本文数据包含新型冠状病毒肺炎疫情数据和2003年中国非典疫情数据，其中新型冠状病毒数据主要来自[国家卫健委官网]( http://www.nhc.gov.cn/ )和其他各大门户网站，非典数据主要来自[世界卫生组织]( http://www.nhc.gov.cn/ )。其中新型冠状病毒数据主要用逻辑回归函数来拟合，非典数据主要用来训练LSTM模型，然后基于该模型来分析新型冠状病毒数据。 3. 利用 Logistic 函数拟合曲线 Logistic函数或Logistic曲线是一种常见的S形函数，它是皮埃尔·弗朗索瓦·韦吕勒在1844或1845年在研究它与人口增长的关系时命名的。该模型广泛应用于生物繁殖和生长过程、人口增长过程模拟

数据实际上是一个非常传统的行业。 有软件开始的那一天起，数据这个行业就存在了。比如说原来最早的时候，有非常多的数据报表数据可视化，然后到后来，有了商业智能，有了Data Warehouse（就是数据仓库），然后数据挖掘。 数据这个行业不仅仅是软件，它还有管理的部分，也就是说数据治理，即如何让企业的数据治理的质量更好。所以数据这个行业本身是一个非常传统的行业。 每个大型一点的企业都有自己的数据分析部门，数据仓库部门。 那么为什么数据湖也好，数据平台也好，在过去都没有像今年数据中台这么热门。而且关注数据中台的还不仅仅是技术部门，很多都是业务部门，业务部门以前不是特别关注这些技术的数据平台和这些技术的概念，为什么呢？ 1.平台化的概念 讲到数据中台，我们就要提到平台化。我们现在所讲的SaaS也好，所讲的PaaS也好，所讲的数据中台也好，所讲的业务中台也好，它实际上根本的思想来源是来自于平台化，就是platform。 举个例子，我们拿一个饮料厂的产品线来讲，那么他可以生产果汁，可以生产饮料，还可以生产其他的产品，它可能是三四条不同的生产线。从原材料加工成饮料，它有很多环节，虽然品种不一样，但是它很多环节是类似的，比如装瓶、搅拌。 那么这几个不同的生产流程、生产线，我们可以把那些公共的部分合并起来，更加专业化，然后并且让他们独立去维护，之后把那些不同的产品面向客户，使客户体验不同的产品