Veri Bilimi ile COVID-19 Vaka Tahmini

 COVID-19 vaka sayılarında görüldüğü üzere değerler arasında bir korelasyon vardır. Bugünün değeri, yarın ve ondan sonraki birkaç gün için bize bir tahmin üretme olanağı tanır. Bu değerleri sıralı bir şekilde grafiğe döktüğümüzde eğrinin ilk başlarda üssel bir artışa sahip olduğunu ancak zamanla bu artışın yavaşladığını görürüz.


 Buradan hareketle ileriye yönelik tahminleri değerler arasındaki farka bakarak daha kolay tahmin edebiliriz. Örneğin vaka sayısı iki gün önce 800 , dün 780 olan bir ülkede, bugün 760 civarında yeni vaka çıkacağını tahmin edebiliriz.
 O yüzden verileri farklılaştırarak şu şekilde dönüştürebiliriz :
 değer(t) = gözlem(t) - gözlem(t - 1)


Model Kurulumu


 Makine öğrenmesi model kurma sürecinde veriler train ve test verileri olmak üzere ikiye ayrılır. Bu veri setleri rastgele(Random walk)  bölünür ve train veri seti üzerinden test veri seti tahmin edilmeye çalışılır. Zaman serilerinde ise yukarıda anlatıldığı üzere ardışık veriler arasında yüksek bir bağlantı vardır. Verileri rastgele bir biçimde böldüğümüzde tahminlerimiz gerçekten oldukça uzak değerler alır. Bu yüzden verileri ilk %66'sı train ve geri kalanı test olacak şekilde ikiye ayırıyoruz. (Non-Random Walk Theory)
 
 Ardından model tarafından öğrenilen regresyon katsayıları çıkartılır ve test veri setinde tahminler yapmak için kullanılır. Türkiye için oluşturulan modele baktığımızda, test verilerinin bazen sıçramalar yaptığını ancak modelin değer değişimi konusunda daha temkinli davrandığını görüyoruz. 
           



Tahmin


Bir tahmin yapmak, kaydedilen modelin yüklenmesini ve bir sonraki seferde gözlemin tahmin edilmesini içerir.

Örneğimiz, bir sonraki zaman diliminin nasıl tahmin edilebileceğini gösterir.

Model, train veri seti ve son gözlem dosyadan yüklenir.

Modelin ürettiği değişim tahminine son günün vaka sayısı girilerek yarınki vaka sayısı tahmini yapılır. 

Örneğin 31 Mayıs 2020 tarihine kadar olan veriler kullanılarak bir tahmin yapıldı. Buna göre 1 Haziran 2020 olası yeni vaka sayısı model tarafından 762 olarak tahmin edilmiştir. 



Sonuç

Veri seti sürekli olarak güncelleneceğinden modelin tahminleri zaman içinde değişkenlik gösterecektir. 

26 Haziran 2020 Türkiye Yeni Vaka Tahmini : 1415


Bu makaledeki tüm analizler için yazdığım kodlara buradan erişilebilir


Yer: Türkiye

Yorumlar

Yorum Gönder

Bu blogdaki popüler yayınlar

Preprocessing için PCA( Principal Component Analysis) Kullanımı

Resim
      T ürkçesi “Temel Bileşenler Analizi” olan PCA tanıma, sınıflandırma, görüntü sıkıştırma alanlarında kullanılan yararlı bir istatistiksel tekniktir. Temel amacı yüksek boyutlu verilerde en yüksek varyans ile veri setini tutmak ancak bunu yaparken boyut indirgemeyi sağlamaktır. Fazla boyutlu verilerdeki genel özellikleri bularak boyut sayısının azaltılmasını, verinin sıkıştırılmasını sağlar. Boyut azalmasıyla bazı özelliklerin kaybedileceği kesindir; fakat amaçlanan, bu kaybolan özelliklerin popülasyon hakkında çok az bilgi içeriyor olmasıdır. Bu yöntem, yüksek korelasyonlu değişkenleri bir araya getirerek, verilerdeki en çok varyasyonu oluşturan “temel bileşenler” olarak adlandırılan daha az sayıda yapay değişken kümesi oluşturur.      PCA verid e ki gerekli bilgileri ortaya çıkarmada oldukça etkili bir yöntemdir.  PCA’in arkasında yatan temel mantık çok boyutlu bir veriyi, verideki temel özellikleri yakalayarak daha az sayıda değişkenle göstermektir. 
Devamı

Adversarial Validator

Resim
     2019  yılında bir model eğittiniz, başarısı çok yüksekti ve gönül rahatlığıyla gerçek ortama taşıdınız. Ancak 2020 yılında pandemi bütün dünyayı etkisi altına aldı. Haliyle sizin çalıştığınız veriler de bir hayli değişti. 2019 yılında modelinizi eğittiğiniz veri setiyle bugünlerde tahminlemeye çalıştığınız veriler benzer mi diye merak ediyorsunuz. Bu durumla baş etmenin birkaç yolu var ve ben bir tanesine ufak da olsa bir katkıda bulundum. Bu yazıda size yeni Python paketimi tanıtmak istiyorum.     
Devamı

Makine Öğrenmesinde Değişken Seçimi

Resim
Bu çalışmamızda model seçimi önemini UCI dizinindeki  banka pazarlama veri kümesi  üzerinden inceleyelim. Amaç müşterilerin özelliklerine ve ekonomik göstergelere bakarak müşterilerin kampanya tekliflerine dönüş yapıp yapmayacağını tahmin etmek. Elimizdeki problem iki sınıftan oluşan bir sınıflandırma problemi, burada Random Forest Algoritmasını kullandım. Algoritmanın iç işleyişini anlama konusunda yetkin olmak önemli olmakla birlikte, bulguları makine öğrenimi hakkında teorik / pratik bilgisi olmayan bir kitleye iletebilmek çok daha önemlidir.  Sadece algoritmanın iyi tahmin ettiğini göstermek yeterli değildir.  Tahminleri, doğruluğunuza katkıda bulunan giriş verilerinin öğelerine atfetmelisiniz.  Neyse ki, sklearn  veri kümesindeki özelliklerin tahmin gücünü açıklamamıza yardımcı olan  “ değişken önemi(feature importances)  ” adı verilen bir çıktı vermektedir  .  Ancak, bu çıktının dezavantajlarını ve bunların üstesinden nasıl geleceğimizi açıklayacağım. Verideki değişkenlerin anlam
Devamı