Explorer les données

Simulations de Monte Carlo en Python

Izzy Weber

Curriculum Manager, DataCamp

Le jeu de données sur le diabète

Dix variables indépendantes :

  • Âge age
  • Sexe sex
  • Indice de masse corporelle bmi
  • Pression artérielle moyenne bp
  • Six mesures sériques : tc, ldl, hdl, tch, ltg, glu
1 Bradley Efron, Trevor Hastie, Iain Johnstone and Robert Tibshirani (2004) « Least Angle Regression », Annals of Statistics (avec discussion), 407-499 2 https://www4.stat.ncsu.edu/~boos/var.select/diabetes.html
Simulations de Monte Carlo en Python

Le jeu de données sur le diabète

Variable dépendante

  • Mesure quantitative de la progression de la maladie un an après l'inclusion, y

 

Taille du jeu de données

  • 442 patient·e·s diabétiques
Simulations de Monte Carlo en Python

Le jeu de données sur le diabète

dia.head()

|     | age | sex | bmi  | bp     | tc  | ldl   | hdl  | tch  | ltg    | glu | y   |
|-----|-----|-----|------|--------|-----|-------|------|------|--------|-----|-----|
| 0   | 59  | 2   | 32.1 | 101.00 | 157 | 93.2  | 38.0 | 4.00 | 4.8598 | 87  | 151 |
| 1   | 48  | 1   | 21.6 | 87.00  | 183 | 103.2 | 70.0 | 3.00 | 3.8918 | 69  | 75  |
| 2   | 72  | 2   | 30.5 | 93.00  | 156 | 93.6  | 41.0 | 4.00 | 4.6728 | 85  | 141 |
| 3   | 24  | 1   | 25.3 | 84.00  | 198 | 131.4 | 40.0 | 5.00 | 4.8903 | 89  | 206 |
| 4   | 50  | 1   | 23.0 | 101.00 | 192 | 125.4 | 52.0 | 4.00 | 4.2905 | 80  | 135 |
1 https://www4.stat.ncsu.edu/~boos/var.select/diabetes.html 2 http://statweb.lsu.edu/faculty/li/IIT/diabetes.txt
Simulations de Monte Carlo en Python

Pourquoi explorer les données avant la simulation ?

  • Inspecter visuellement la distribution des variables
    • Intuition sur la loi de probabilité
  • Vérifier et mesurer la corrélation entre variables prédictives
    • Bases pour modéliser la covariance
  • Vérifier et mesurer la corrélation entre prédicteurs et réponse
    • Première compréhension du lien entre prédicteurs et réponse
Simulations de Monte Carlo en Python

Pairplot du jeu de données

sns.pairplot(dia)

pairplot des variables du jeu de données dia

Simulations de Monte Carlo en Python

Pairplot du jeu de données

sns.pairplot(dia)

Pairplot avec variable sex mise en évidence

Simulations de Monte Carlo en Python

Pairplot du jeu de données

sns.pairplot(dia)

pairplot avec tc et ldl mis en évidence

Simulations de Monte Carlo en Python

Corrélations entre variables

dia.corr()

Matrice de corrélation entre toutes les variables de dia

Simulations de Monte Carlo en Python

Passons à la pratique !

Simulations de Monte Carlo en Python

Preparing Video For Download...