Encuesta clínica

Parte de la sección Estadística para ML del Journey de Machine Learning de Coddy. Lección 64 de 64.

Una clínica preguntó a 48 pacientes sobre su visita: edad, tipo de visita, minutos de espera y satisfacción, desde poor hasta excellent. Todo está en clinic.csv.

¿Qué impulsa la satisfacción? Dos columnas son de texto, así que codifícalas primero. La satisfacción tiene un orden; los tipos de visita no:

La fila de un paciente antes y después de la codificación: edad 58, visita de seguimiento, espera 30, satisfacción buena se convierte en edad 58, espera 30, satisfacción 3 y luego 0, 1, 0 en tres columnas de visita para revisión, seguimiento y urgencias

Después, cada columna es un número y un mapa de calor muestra cómo se relaciona todo. El gerente también quiere un informe por tipo de visita y el grupo de edad menos satisfecho.

Desafío

Difícil

El programa lee un tipo de visita. Redondea a 2 decimales.

Mapea la satisfacción de 1 a 4, codifica visit en formato one-hot en encoded (dtype=int) y conserva sus correlaciones.
Para el tipo de visita: sus visitas, el tiempo de espera medio y la satisfacción media, y la proporción de personas insatisfechas (2 o menos) entre ellas y en general.
Divide las edades en los intervalos 17, 34, 54, 85 como 18-34, 35-54, 55-85; imprime el grupo menos satisfecho.
Dibuja la matriz: coolwarm de -1 a 1, una barra de colores, nombres de columnas en ambos ejes y el título Clinic Survey.

Para otra clínica y urgent:

urgent: 16 visits, mean wait 30.44, mean satisfaction 2.44
Unhappy after urgent: 0.56 (overall 0.33)
Least satisfied: 35-54 (2.6)

Un mapa de calor titulado Clinic Survey con una barra de colores de -1 a 1 y los seis nombres de columnas en ambos ejes: age, wait_min, satisfaction, visit_checkup, visit_follow-up, visit_urgent; diagonal roja, wait_min y satisfaction forman un par azul oscuro

Después de tus líneas, Coddy describe tu mapa de calor.

Pruébalo tú mismo

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

visit = input()
df = pd.read_csv("clinic.csv")

# Escribe tu código a continuación

Ponte a prueba

Esta lección incluye un breve cuestionario. Empieza la lección para responderlo y registrar tu progreso.

Todas las lecciones de Estadística para ML

3Probabilidad mediante simulación

La probabilidad como frecuencia La ley de los grandes números Suma de dados Valor esperado Probabilidad condicional Repaso: probabilidades del puesto de dados

6Relaciones

Lectura de diagramas de dispersión Correlación Matriz de correlación Mapas de calor de correlación Correlación no es causalidad Repaso: helado y sol

9Escalado de características

Por qué escalar las características Escalado mín-máx Estandarización StandardScaler Repaso: compañeros de escalada

12Desafíos finales

Retrasos de trenes Calidad del aire Química del vinoEncuesta clínica

Practica por tu cuenta: Compilador de Python online