Sondaggio in clinica

Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 64 di 64.

Una clinica ha chiesto a 48 pazienti informazioni sulla loro visita: età, tipo di visita, minuti di attesa e soddisfazione, da poor a excellent. È tutto in clinic.csv.

Che cosa determina la soddisfazione? Due colonne contengono testo, quindi codificale per prime. La soddisfazione ha un ordine; i tipi di visita no:

La riga di un paziente prima e dopo la codifica: età 58, visita di controllo, attesa 30, soddisfazione buona diventa età 58, attesa 30, soddisfazione 3, poi 0, 1, 0 in tre colonne di visita per controllo, visita di follow-up e urgenza

A quel punto ogni colonna è un numero e una heatmap mostra come tutto è correlato. Il responsabile vuole anche un report per tipo di visita e per la fascia d’età meno soddisfatta.

Sfida

Difficile

Il programma legge un tipo di visita. Arrotonda a 2 decimali.

Mappa la soddisfazione da 1 a 4, codifica one-hot visit in encoded (dtype=int) e mantieni le sue correlazioni.
Per il tipo di visita: il numero di visite, l'attesa media e la soddisfazione media, nonché la percentuale di insoddisfatti (2 o meno) tra loro e nel complesso.
Raggruppa le età con limiti 17, 34, 54, 85 come 18-34, 35-54, 55-85; stampa il gruppo meno soddisfatto.
Disegna la matrice: coolwarm da -1 a 1, una barra dei colori, i nomi delle colonne su entrambi gli assi e il titolo Clinic Survey.

Per un'altra clinica e 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)

Una mappa di calore intitolata Clinic Survey con una barra dei colori da -1 a 1 e i sei nomi delle colonne su entrambi gli assi: age, wait_min, satisfaction, visit_checkup, visit_follow-up, visit_urgent; diagonale rossa, wait_min e satisfaction formano una coppia blu intenso

Dopo le tue righe, Coddy descrive la tua mappa di calore.

Provalo tu

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

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

# Scrivi il tuo codice qui sotto

Mettiti alla prova

Questa lezione include un breve quiz. Inizia la lezione per rispondere e tenere traccia dei tuoi progressi.

Tutte le lezioni di Statistica per il machine learning

3Probabilità tramite simulazione

La probabilità come frequenza La legge dei grandi numeri Somme dei dadi Valore atteso Probabilità condizionata Riepilogo: probabilità al banco dei dadi

6Relazioni

Leggere i grafici a dispersione Correlazione Matrice di correlazione Mappe di calore della correlazione Correlazione non significa causalità Riepilogo: gelato e sole

9Scalatura delle feature

Perché scalare le feature Scalatura Min-Max Standardizzazione StandardScaler Riepilogo: compagni di scalata

12Sfide finali

Ritardi dei treni Qualità dell'aria Chimica del vinoSondaggio in clinica

Esercitati da solo: Compilatore Python online