COVID-19机器学习数据集
数据来源：互联网公开数据
标签：COVID-19,机器学习,预测模型,医院接纳,紧急程度,症状分析,数据限制
数据概述：
本数据集基于2019年COVID-19疫情的公开报告，涵盖了国际范围内报告的病例信息。原始数据来源于http://virological.org/t/epidemiological-data-from-the-ncov-2019-outbreak-early-descriptions-from-publicly-available-data/337，并通过Google表单实时更新。数据集选取了提供症状发作日期且住院日期缺失或晚于症状发作日期的病例，共861条记录。该数据集主要用于教育目的，旨在预测COVID-19患者从症状出现到需要住院的时间及其紧急程度。
数据用途概述：
该数据集适用于机器学习模型的训练和评估，尤其是用于预测COVID-19患者住院的紧急程度和时间。教育者可以利用此数据集教授分类和回归分析方法，帮助学生理解高基数数据和自然语言处理技术的应用。此外，数据集还适合用于介绍数据限制和机器学习任务局限性的重要性和解决方法。
举例：
在教学中，可以使用该数据集进行分类预测，将患者分为高紧急程度（症状出现后0-1天住院）和低紧急程度（症状出现后2天及以上住院或未住院）两类。通过训练分类模型，学生可以学习如何使用特征如年龄、性别、症状等预测患者的紧急程度。同时，数据集还提供了回归预测任务，即预测症状出现到住院的天数，帮助学生理解回归分析的应用。此外，学生还可以使用自然语言处理技术从症状描述中提取更多特征，以提高模型性能。然而，应强调数据的局限性，如数据来源的非官方性、高缺失值率、重复记录等问题，避免对模型预测结果产生误导。
