Clustering hiérarchique des données qui concernent l’épidémie Covid_19

Abstract

- Le coronavirus a un indice de reproduction de base élevé (R0) et a provoqué la pandémie mondiale de COVID-19. Les gouvernements mettent en oeuvre des mesures de confinement qui entraînent des retombées économiques dans de nombreux pays. Les décideurs politiques peuvent prendre de meilleures décisions s'ils disposent des indicateurs liés à la propagation de la maladie. La fouille de données est une technique essentielle dans le processus d'extraction de connaissances à partir de données. Cela nous permet de modéliser les connaissances extraites à l'aide d'un formalisme ou d'une technique de modélisation. Cette étude propose une méthode basée sur les clustering hiérarchique pour analyser et divisées les pays européen en groupes en fonction à la fois de leurs cas et du nombre de décès. Le nombre total de clusters et les adhésions aux clusters de chaque pays sont déterminés par algorithme. Quatre grappes sont formées en appliquant les clustering hiérarchique sur les cas confirmés de COVID-19 et les cas de décès par COVID-19. Le groupe 1 se compose de 1 pays. Le groupe 2 contient les pays développés avec le deuxième pourcentage moyen de groupe le plus élevé pour les cas confirmés de COVID-19 et les cas de décès. Le groupe 3 comprend de 23 pays affichant le pourcentage moyen de groupe le plus élevé de cas confirmés de COVID-19 et de cas de décès de COVID-19. Le groupe 4 contient 3 pays en développement et a le pourcentage moyen le moins élevé de cas confirmés de COVID-19 et de cas de décès dus à COVID-19. Les résultats produits peuvent être utilisés par les décideurs politiques pour prendre de meilleures décisions pour contrôler la pandémie. Cette analyse peut aider à mettre en évidence les politiques publiques les plus et les moins importantes pour minimiser le taux de mortalité COVID-19 d'un pays. Mots clés – COVID-19, La fouille de données, clustering hiérarchique.