Pesquisa em Clínicas

Parte da seção Estatística para ML do Journey de Machine Learning da Coddy. Lição 64 de 64.

Uma clínica perguntou a 48 pacientes sobre sua consulta: idade, tipo de consulta, minutos de espera e satisfação, de poor a excellent. Tudo está em clinic.csv.

O que influencia a satisfação? Duas colunas são de texto, então codifique-as primeiro. A satisfação tem uma ordem; os tipos de consulta, não:

Linha de um paciente antes e depois da codificação: idade 58, consulta de acompanhamento, espera 30, satisfação boa se transforma em idade 58, espera 30, satisfação 3, depois 0, 1, 0 em três colunas de consulta para check-up, acompanhamento e urgência

Então, todas as colunas são números, e um mapa de calor mostra como tudo se relaciona. O gerente também quer um relatório por tipo de visita e o grupo etário menos satisfeito.

Desafio

Difícil

O programa lê um tipo de visita. Arredonde para 2 casas decimais.

Mapeie a satisfação para valores de 1 a 4, aplique a codificação one-hot de visit em encoded (dtype=int) e mantenha as correlações.
Para o tipo de visita: o número de visitas, a média do tempo de espera e da satisfação, e a proporção de insatisfeitos (2 ou menos) entre eles e no total.
Agrupe as idades nos intervalos 17, 34, 54, 85 como 18-34, 35-54, 55-85; imprima o grupo menos satisfeito.
Desenhe a matriz: coolwarm de -1 a 1, uma barra de cores, nomes das colunas em ambos os eixos, título Clinic Survey.

Para outra clínica 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)

Um mapa de calor intitulado Clinic Survey com uma barra de cores de -1 a 1 e os seis nomes de coluna em ambos os eixos: age, wait_min, satisfaction, visit_checkup, visit_follow-up, visit_urgent; diagonal vermelha, wait_min e satisfaction formam um par azul-escuro

Depois das suas linhas, Coddy descreve seu mapa de calor.

Experimente você mesmo

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

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

# Escreva seu código abaixo

Teste seus conhecimentos

Esta lição inclui um quiz rápido. Comece a lição para respondê-lo e acompanhar seu progresso.

Todas as lições de Estatística para ML

3Probabilidade por Simulação

Probabilidade como frequência A Lei dos Grandes Números Somas de dados Valor esperado Probabilidade condicional Revisão: chances na barraca de dados

6Relações

Lendo gráficos de dispersão Correlação Matriz de correlação Mapas de calor de correlação Correlação não é causalidade Revisão: sorvete e sol

9Escalonamento de Recursos

Por que escalar os recursos Escalonamento Min-Max Padronização StandardScaler Revisão: Parceiros de escalada

12Desafios Finais

Atrasos de Trem Qualidade do Ar Química do VinhoPesquisa em Clínicas

Pratique por conta própria: Compilador de Python online