Knock Blog Knock Blog

코로나 바이러스 데이터 분석 지난 글에 이어 코로나 바이러스 데이터 분석을 진행합니다. 날짜에 따라 각국의 코로나 바이러스 확진자 증가 또는 감소 상황이 어떤지 살펴보고 전일 대비 증가율을 추세선과 함께 살펴보겠습니다. 데이터는 kaggle 코로나 바이러스 데이터셋에서 3월 29일까지의 코로나 바이러스 데이터를 받아왔습니다. 먼저 데이터와 tidyverse 라이브러리를 불러오도록 하겠습니다. covid19 % arrange(desc(n)) %>% head(10) top10 % group_by(Country.Region, ObservationDate) %>% summarise(confirmed_number = sum(Confirmed)) covid19top10 %>% ggplot(aes(x = Observ..

지난 글에 이어 코로나 바이러스 데이터 분석을 진행합니다. 이항 선택 모형(binary choice model)을 이용하여 사망 요인을 찾고, 어떤 환자가 위험군에 속해있는지 살펴보도록 하겠습니다. 회귀 분석은 선형 확률 모형(LPM)으로 해석하고, 시각화는 로짓 모형(logit)을 이용하도록 하겠습니다. library(tidyverse) patient

코로나 바이러스 데이터 분석 코로나 바이러스 데이터가 업데이트되면서 많은 분들이 kaggle 등에서 의미 있는 결과를 찾아내고자 데이터 분석을 진행 중입니다. 저도 도움이 되고자 데이터 분석을 진행하는데, 글을 쓰는 도중에 갑자기 결과가 바뀌어 버렸습니다… 말그대로 결과가 바꼈어요. 손댄게 없는데 바꼈어요. 허허.. 무엇이 이유인지는 좀더 찾아봐야겠습니다.. 물론 초보자의 글이라 그렇게 큰 의미는 없겠지만 말이죠. 그래서 일단 코드부터 올리겠습니다. 그리고 조금씩 고쳐나가는 식으로 이 글을 써야겠어요. # remotes::install_github("youngwoos/corona19") library(corona19) library(tidyverse) patient % filter(!is.na(decea..