معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Prediction for the spread of COVID-19 using Epidemiological Models

ویژگی	مقدار
سیستم عامل	-
نام فایل	cov19-0.0.9
نام	cov19
نسخه کتابخانه	0.0.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Eduardo M. de Morais
ایمیل نویسنده	emdemor415@gmail.com
آدرس صفحه اصلی	https://github.com/emdemor/cov19
آدرس اینترنتی	https://pypi.org/project/cov19/
مجوز	MIT License

# Prediction for the spread of COVID-19 using Epidemiological Models The purpose of the cov19 package is to integrate the differential equations of epidemiological models and adjust their respective parameters with data using MCMC approach. ### Table of Contents 1. [Getting Started](#1-getting-started) 2. [Features](#2-features) 3. [Results](#3-results) 4. [Dataset](#4-dataset) ## 1. Getting Started #### Dependencies You need Python 3.7 or later to use **cov19**. You can find it at [python.org](https://www.python.org/). You also need setuptools, wheel and twine packages, which is available from [PyPI](https://pypi.org). If you have pip, just run: ``` pip install pandas pip install pygtc pip install setuptools pip install tqdm ``` #### Installation Clone this repo to your local machine using: ``` git clone https://github.com/emdemor/cov19 ``` ## 2. Features - Support for different epidemiological models - Monte Carlo Markov Chains (MCMC) approach to fit patameters - Data from multiple trusted and reliable sources compiled by Microsoft and accessible in www.bing.com/covid. ## 3. Results The main result in this version is to plot de curves from the model for a specific parameter vector and compare this with dataset. In covid/stat.py, functions has been implemented to generate an MCMC sample, through which it will be possible to make inferences of the parametric intervals. <img src="https://raw.githubusercontent.com/emdemor/cov19/master/results/brazil/cases_projection.png" alt="brazil-cases" /> <img src="https://raw.githubusercontent.com/emdemor/cov19/master/results/india/cases_projection.png" alt="india-cases" /> <img src="https://raw.githubusercontent.com/emdemor/cov19/master/results/russia/cases_projection.png" alt="russia-cases" /> ### 4. Dataset Here, we are using the Microsoft Data, from the repo https://github.com/microsoft/Bing-COVID-19-Data. ]

نیازمندی

مقدار	نام
-	numpy
-	scipy
-	pandas
-	pygtc
-	setuptools
-	tqdm

نحوه نصب

نصب پکیج whl cov19-0.0.9:

pip install cov19-0.0.9.whl

نصب پکیج tar.gz cov19-0.0.9:

pip install cov19-0.0.9.tar.gz