用uw-ubicomp进行Covid-19分析 这是一个正在进行的项目,旨在分析COVID 19大流行如何影响美国的人类行为。 数据是从SafeGraph下载的。 我是休(Hugh),我正在与西澳大学无处不在计算实验室(Ubiquitous Computing Lab)的Chunjong Park合作,该实验室旨在带来最先进的技术来帮助社会。 发现 2020-09-25: 在实施就地安置的县中,为什么有些县的人们的行为发生了更大的变化而有些县没有呢? 我使用相互信息和随机森林发现家庭中位数收入和人口是两个重要变量,这些变量有助于人们改变行为。 2020-10-13: 使用标准化线性回归和R ^ 2分析的增加,发现当模型中包含家庭收入中位数时,对模型的解释将增加50% ! 2020-11-2: 仍然使用逻辑回归获得倾向得分。 (将来可能会尝试使用GBM或随机森林) 使用适当的加权