主題:預測各國 COVID-19 確診和死亡數據
COVID-19 是⼀種 2019 年 12 ⽉新發現的冠狀病毒引起的⾼度傳染性疾
病。該疾病迅速傳播並 成為全球⼤流⾏病,影響了全球許多國家。COVID-
19 ⼤流⾏對公共衛⽣、經濟和整個社會產⽣了重 ⼤影響。
這個作品分析了各國之間的確診、死亡和康復病例數量差異的可能原
因。此外這個主題以3項 SDGs為⽬標，分別為「健康與福祉」、「 減少不
平等」和「 和平、正義及健全制度」。在實作⽅ ⾯，使⽤到「描述性統計」
利⽤資料的視覺化,分析每筆資料間的差異、「資料 PCA降維」去除較不 相
關的特徵,減少計算成本，以及「機器學習」使⽤決策樹、隨機森林或⾙氏
分類等機器學習技術預 測未來 COVID-19 病例或死亡的趨勢。
作品使⽤資料集：https://www.kaggle.com/datasets/imdevskp/corona-virus-report

成果說明：
問題探討
1.為什麼美國確診數和死亡數都是全球最⾼?
-沒有為疾病⼤流⾏的可能做出充分的準備 -檢測數量
-處於疫情爆發的不同階段
2. 死亡率⾼但復原率也⾼?
-篩檢比較嚴格 -病例的分類、診斷標準、死因確認 -疫情階段
-⾼風險⼈群較多
3.資料集有不準確的可能性?
-醫療技術沒那麼先進的國家或是不夠透明的國家
-確認新冠病例死亡的標凖不同
4.地區對於疫情的傳播是否關鍵?
-單純依靠地區無法準確預測確診數和死亡數的⾼低
-許多未知和隨機因素的影響
結論
1.最有效的⽅法是綜合考慮各種因素(地區特點、疫情控制措施、⼈⼝⾏為等)。
2.及時、準確地收集和分析疫情數據，進⾏有效的監測和預警，有助於更好地理解和應對疫情。
3.各國合作，分析疫情趨勢需要基於可靠和準確的數據，同時結合專業機構和衛⽣部⾨的指導和建
議，以綜合判斷和決策。