Опрос в клинике

Часть раздела Статистика для машинного обучения путешествия по Machine Learning на Coddy. Урок 64 из 64.

Клиника опросила 48 пациентов об их визите: возраст, тип визита, время ожидания в минутах и уровень удовлетворённости — от poor до excellent. Всё это содержится в clinic.csv.

Что влияет на удовлетворённость? Два столбца содержат текст, поэтому сначала закодируем их. У удовлетворённости есть порядок, а у типов визита — нет:

Строка одного пациента до и после кодирования: возраст 58, визит — контрольный приём, ожидание 30, удовлетворённость хорошая превращаются в возраст 58, ожидание 30, удовлетворённость 3, затем 0, 1, 0 в трёх столбцах визитов: checkup, follow-up и urgent

Теперь каждый столбец содержит число, и одна тепловая карта показывает, как всё взаимосвязано. Менеджер также хочет получить отчёт по каждому типу визита и узнать, какая возрастная группа наименее удовлетворена.

Задание

Сложно

Программа считывает тип визита. Округляйте до 2 знаков после запятой.

Преобразуйте удовлетворённость в значения от 1 до 4, закодируйте visit методом one-hot в encoded (dtype=int), сохраните корреляции.
Для этого типа визита: количество визитов, среднее время ожидания и средняя удовлетворённость, а также доля недовольных (2 или меньше) среди них и в целом.
Разбейте возраст на группы с границами 17, 34, 54, 85: 18-34, 35-54, 55-85; выведите группу с наименьшей удовлетворённостью.
Постройте матрицу: coolwarm от -1 до 1, цветовая шкала, названия столбцов на обеих осях, заголовок Clinic Survey.

Для другой клиники и типа 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)

Тепловая карта с заголовком Clinic Survey, цветовой шкалой от -1 до 1 и шестью названиями столбцов на обеих осях: age, wait_min, satisfaction, visit_checkup, visit_follow-up, visit_urgent; красная диагональ, wait_min и satisfaction образуют пару насыщенно-синего цвета

После ваших строк Coddy опишет вашу тепловую карту.

Попробуйте сами

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

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

# Напишите свой код ниже

Проверьте себя

В этом уроке есть небольшой тест. Начните урок, чтобы ответить на вопросы и сохранить прогресс.

Все уроки раздела Статистика для машинного обучения

1Центр и разброс

Среднее и медиана Процентили и квартили Дисперсия и стандартное отклонение Выборка или генеральная совокупность?Самое частое значение Повторение: сроки доставки

4Выборки и генеральные совокупности

Генеральная совокупность и выборка Средние значения выборок различаются Распределение выборочных средних Чем больше выборка, тем меньше шум Итоги: опрос жителей города

7Линии тренда

Остатки Метод наименьших квадратов Построение линии аппроксимации Предсказания с помощью линии Насколько хороша аппроксимация?Повторение: часы практики

10Кодирование категорий

Категории в виде чисел One-Hot Encoding Разбиение чисел на интервалы Повторение: объявления о продаже автомобилей

2Распределения

Гистограммы плотности Формы распределения данных Нормальная кривая Правило 68–95–99,7 Z-оценки Повторение: время работы батареи

5Выбросы

Диаграммы размаха Правило IQR Правило Z-оценки Работа с выбросами Повторение: сбои датчиков

8Сравнение групп

Диаграммы размаха по группам Разность средних А вдруг это случайность?P-значения t-критерий Повторение: A/B-тест

11Изучаем набор данных

Первый взгляд Все признаки сразу Признаки и целевая переменная Два лучших признака Повторение: данные о диабете

3Вероятность с помощью моделирования

Вероятность как частота Закон больших чисел Суммы значений на кубиках Математическое ожидание Условная вероятность Повторение: шансы в игре в кости

6Взаимосвязи

Чтение диаграмм рассеяния Корреляция Матрица корреляций Тепловые карты корреляций Корреляция не означает причинность Повторение: мороженое и солнце

9Масштабирование признаков

Зачем масштабировать признаки Масштабирование Min-Max Стандартизация StandardScaler Повторение: партнёры по восхождению

12Итоговые задания

Задержки поездов Качество воздуха Химия винаОпрос в клинике

Потренируйтесь самостоятельно: Онлайн-компилятор Python