Prozkoumání dat

Monte Carlo simulace v Pythonu

Izzy Weber

Curriculum Manager, DataCamp

Datová sada diabetes

Deset nezávislých proměnných:

  • Věk age
  • Pohlaví sex
  • Index tělesné hmotnosti bmi
  • Průměrný krevní tlak bp
  • Šest měření krevního séra: tc, ldl, hdl, tch, ltg, glu
1 Bradley Efron, Trevor Hastie, Iain Johnstone and Robert Tibshirani (2004) "Least Angle Regression," Annals of Statistics (with discussion), 407-499 2 https://www4.stat.ncsu.edu/~boos/var.select/diabetes.html
Monte Carlo simulace v Pythonu

Datová sada diabetes

Závislá proměnná

  • Kvantitativní míra progrese nemoci jeden rok po výchozím stavu, y

 

Velikost datové sady

  • 442 pacientů s diabetem
Monte Carlo simulace v Pythonu

Datová sada diabetes

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
Monte Carlo simulace v Pythonu

Proč data prozkoumáváme před simulací?

  • Vizuálně zkoumat rozdělení proměnných
    • Intuice pro pravděpodobnostní rozdělení
  • Zjistit a měřit korelaci mezi prediktory
    • Důvody pro modelování struktury kovariance
  • Zjistit a měřit korelaci mezi prediktory a odezvou
    • Počáteční porozumění vztahu mezi prediktory a odezvou
Monte Carlo simulace v Pythonu

Pairplot datové sady

sns.pairplot(dia)

pairplot proměnných v datové sadě dia

Monte Carlo simulace v Pythonu

Pairplot datové sady

sns.pairplot(dia)

Pairplot se zvýrazněním pohlaví

Monte Carlo simulace v Pythonu

Pairplot datové sady

sns.pairplot(dia)

pairplot se zvýrazněním tc a ldl

Monte Carlo simulace v Pythonu

Korelace mezi proměnnými

dia.corr()

Korelační matice zobrazující korelace mezi všemi proměnnými v dia

Monte Carlo simulace v Pythonu

Pojďme si procvičit!

Monte Carlo simulace v Pythonu

Preparing Video For Download...