Revisão: dados de diabetes

Parte da seção Estatística para ML do Journey de Machine Learning da Coddy. Lição 60 de 64.

Desafio

Médio

Dez medições de 442 pacientes com diabetes, já escaladas para valores pequenos em torno de 0, e um rótulo que é um número: o quanto a doença progrediu um ano depois.

Um histograma da progressão da doença para 442 pacientes, de cerca de 25 a 346, concentrado nos valores baixos, com uma longa cauda à direita

Carregue load_diabetes com as_frame=True. O programa lê a característica sobre a qual o médico pergunta. Imprima:

Uma primeira análise: pacientes e células ausentes.
A média e a mediana do rótulo, com 1 casa decimal.
A característica mais forte e seu r assinado, com 2 casas decimais.
Uma reta a partir da característica perguntada: inclinação e intercepto com 1 casa decimal, R quadrado com 2.

Para uma clínica fictícia e a entrada age:

Patients: 300
Missing cells: 0
Progression: mean 118.6, median 118.0
Strongest feature: s2 (r = -0.75)
Line for age: slope 127.6, intercept 118.6
R squared: 0.01

Uma característica explica uma parte. Na seção 3, um modelo usará todas as dez ao mesmo tempo.

Experimente você mesmo

import numpy as np
from sklearn.datasets import load_diabetes

feature = input()

# Escreva seu código abaixo

Todas as lições de Estatística para ML

2Distribuições

Histogramas de densidade Formatos dos dados A curva normal A regra 68-95-99,7 Escores Z Recapitulando: duração da bateria

5Valores atípicos

Diagramas de caixa A regra do IQR A regra do Z-score Como lidar com valores atípicos Revisão: falhas nos sensores

8Comparando grupos

Gráficos de caixa por grupo Diferença entre médias Pode ser acaso?Valores-p O teste t Revisão: teste A/B

11Explorando um conjunto de dados

Um primeiro olhar Todos os atributos de uma vez Atributos em relação ao rótulo Os dois melhores atributosRevisão: dados de diabetes

Pratique por conta própria: Compilador de Python online