EpiLearn: A Python Library for Machine Learning in Epidemic Modeling

EpiLearn是一个Python工具包，用于建模、模拟和分析流行病数据。虽然已经存在一些处理流行病建模的软件包，但它们往往局限于机械模型或传统的统计工具。随着机器学习继续塑造世界，这些软件包与最新模型之间的差距变得越来越大。为了弥合这一差距并激发流行病建模的创新研究，EpiLearn不仅提供了基于机器学习评估流行病模型的支持，还结合了全面的流行病数据分析工具，如模拟、可视化、转换等。为方便流行病学家和数据科学家，我们提供了一个统一的框架，用于两个任务的流行病模型的训练和评估：预测和源检测。为了促进新模型的开发，EpiLearn采用模块化设计，使其灵活易用。此外，还开发了一个交互式Web应用程序，用于可视化真实世界或模拟的流行病数据。我们的软件包可在https://github.com/Emory-Melody/EpiLearn获取。

EpiLearn是一个Python工具包，旨在通过机器学习对流行病数据建模、模拟和分析，以填补现有流行病建模工具与最新模型之间的差距。论文的目的是提供一个统一的框架，用于训练和评估流行病模型，以解决预测和源检测两个任务。

EpiLearn采用模块化设计，提供了全面的工具，如模拟、可视化和转换，以支持流行病数据的分析。此外，还开发了交互式Web应用程序来可视化真实或模拟的流行病数据。

EpiLearn不仅支持基于机器学习的流行病模型评估，还提供了全面的工具，如模拟、可视化和转换，以支持流行病数据的分析。EpiLearn采用模块化设计，使其灵活易用。此外，还开发了交互式Web应用程序来可视化真实或模拟的流行病数据。该工具包已在GitHub上开源。

最近的研究集中在机器学习在流行病学中的应用，如基于深度学习的流行病预测和流行病源检测。相关论文包括：1. A deep learning approach to forecast Ebola outbreaks using heterogeneous data sources. 2. Deep learning for predicting influenza-like illness using multiple data sources.