探索資料

Python 的 Monte Carlo 模擬

Izzy Weber

Curriculum Manager, DataCamp

糖尿病資料集

10 個自變數：

  • 年齡 age
  • 性別 sex
  • 身體質量指數 bmi
  • 平均血壓 bp
  • 6 項血清指標：tc、ldl、hdl、tch、ltg、glu
1 Bradley Efron、Trevor Hastie、Iain Johnstone、Robert Tibshirani（2004）「Least Angle Regression」，Annals of Statistics（含討論），407-499 2 https://www4.stat.ncsu.edu/~boos/var.select/diabetes.html
Python 的 Monte Carlo 模擬

糖尿病資料集

應變數

  • 基準後 1 年的疾病進展量化指標，y

 

資料集大小

  • 442 位糖尿病患者
Python 的 Monte Carlo 模擬

糖尿病資料集

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
Python 的 Monte Carlo 模擬

為何在模擬前先做資料探索？

  • 以視覺方式檢視變數分佈
    • 形成對機率分佈的直覺
  • 檢查並量化解釋變數間的相關性
    • 建立共變異結構的模型依據
  • 檢查並量化解釋變數與反應之相關性
    • 初步了解解釋變數與反應的關係
Python 的 Monte Carlo 模擬

資料集的配對圖

sns.pairplot(dia)

dia 資料集的配對圖

Python 的 Monte Carlo 模擬

資料集的配對圖

sns.pairplot(dia)

以性別標示的配對圖

Python 的 Monte Carlo 模擬

資料集的配對圖

sns.pairplot(dia)

以 tc 與 ldl 標示的配對圖

Python 的 Monte Carlo 模擬

不同變數之間的相關性

dia.corr()

顯示 dia 各變數之間相關性的相關矩陣

Python 的 Monte Carlo 模擬

一起來練習吧！

Python 的 Monte Carlo 模擬

Preparing Video For Download...