本项目的目的是创建一个预测模型，能够根据新冠肺炎患者的现有症状、健康状况和病史来判断其是否有潜在的致命风险。

简介：
该项目旨在构建一种预测模型，通过分析新冠患者当前的症状、健康状态及既往病史，评估患者面临的生命危险程度。该模型有助于医疗工作者提前识别高危病人并采取相应措施。 COVID-19是由冠状病毒引发的一种传染病。大多数感染者会出现轻度至中度的呼吸道症状，并且通常不需要特殊治疗即可康复。但是，老年人以及患有心血管疾病、糖尿病、慢性呼吸系统疾病或癌症等潜在健康问题的人在感染新冠病毒后可能会出现更严重的症状，并面临较高的死亡风险。 随着COVID-19疫情的发展，医疗资源紧张和如何合理分配这些有限的资源成为了医疗机构面临的重大挑战之一。特别是在医疗物资短缺的情况下，及时且准确地预测患者未来是否可能有生命危险，并根据这一预测结果调整医疗资源配置策略，对于减轻医院压力、保护公众健康具有重要的意义。 该项目首先对COVID-19相关数据进行了探索性分析，包括基本信息的整理、数据清洗以及可视化展示。然后通过采用欠采样和过采样的方法来解决样本不平衡的问题，训练了逻辑回归模型与随机森林算法，并调整超参数以优化患者分类结果，从而预测他们是否面临生命危险的风险。 最后对比这两种机器学习算法的表现效果并确定关键特征的相对重要性顺序。数据集来源于墨西哥政府公开的数据资源。