Eksploracja danych

Symulacje Monte Carlo w Pythonie

Izzy Weber

Curriculum Manager, DataCamp

Zbiór danych o cukrzycy

Dziesięć zmiennych niezależnych:

  • Wiek age
  • Płeć sex
  • Wskaźnik masy ciała bmi
  • Średnie ciśnienie krwi bp
  • Sześć pomiarów surowicy krwi: 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
Symulacje Monte Carlo w Pythonie

Zbiór danych o cukrzycy

Zmienna zależna

  • Ilościowa miara progresji choroby rok po punkcie bazowym, y

 

Rozmiar zbioru danych

  • 442 pacjentów z cukrzycą
Symulacje Monte Carlo w Pythonie

Zbiór danych o cukrzycy

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
Symulacje Monte Carlo w Pythonie

Dlaczego eksplorujemy dane przed symulacją?

  • Wizualna inspekcja rozkładów zmiennych
    • Intuicja dotycząca rozkładu prawdopodobieństwa
  • Sprawdzenie i pomiar korelacji między predyktorami
    • Podstawy modelowania struktury kowariancji
  • Sprawdzenie i pomiar korelacji między predyktorami a odpowiedzią
    • Wstępne zrozumienie zależności między predyktorami a odpowiedzią
Symulacje Monte Carlo w Pythonie

Pairplot zbioru danych

sns.pairplot(dia)

pairplot zmiennych w zbiorze dia

Symulacje Monte Carlo w Pythonie

Pairplot zbioru danych

sns.pairplot(dia)

Pairplot z wyróżnioną zmienną sex

Symulacje Monte Carlo w Pythonie

Pairplot zbioru danych

sns.pairplot(dia)

pairplot z wyróżnionymi zmiennymi tc i ldl

Symulacje Monte Carlo w Pythonie

Korelacje między zmiennymi

dia.corr()

Macierz korelacji między wszystkimi zmiennymi w zbiorze dia

Symulacje Monte Carlo w Pythonie

Czas na ćwiczenia!

Symulacje Monte Carlo w Pythonie

Preparing Video For Download...