เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ก้าวสู่ grid approximation

ยินดีด้วย! คุณเพิ่งได้รับการว่าจ้างเป็นนักวิเคราะห์ข้อมูลประจำกรมอนามัยของรัฐบาล คณะรัฐมนตรีกำลังพิจารณาจัดซื้อยาตัวใหม่สำหรับรับมือกับไวรัสชนิดร้ายแรงที่แพร่ระบาดได้ง่าย อย่างไรก็ตาม ยังมีข้อสงสัยเกี่ยวกับประสิทธิภาพของยาตัวนี้ คุณได้รับมอบหมายให้ประมาณอัตราประสิทธิภาพของยา กล่าวคือ เปอร์เซ็นต์ของผู้ป่วยที่หายจากการใช้ยา

มีการจัดตั้งการทดลองขึ้นอย่างรวดเร็ว โดยให้ผู้ป่วย 10 รายได้รับการรักษาด้วยยาตัวนี้ เมื่อทราบจำนวนผู้ป่วยที่หายแล้ว จะสามารถใช้การแจกแจงทวินามได้ โดยกำหนดให้ผู้ป่วยที่หายคือ "ความสำเร็จ" และอัตราประสิทธิภาพของยาคือ "ความน่าจะเป็นของความสำเร็จ" ระหว่างรอผลการทดลอง คุณจึงตัดสินใจเตรียม parameter grid ไว้ล่วงหน้า

มีการ import numpy และ pandas ให้แล้วในชื่อ np และ pd ตามลำดับ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์ข้อมูลแบบเบย์เซียนด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ np.arange() สร้างอาร์เรย์ของจำนวนผู้ป่วยที่อาจหายได้ทุกค่า (ตั้งแต่ 0 ถึง 10) แล้วกำหนดให้กับตัวแปร num_patients_cured
  • ใช้ np.arange() สร้างอาร์เรย์ของค่าอัตราประสิทธิภาพที่เป็นไปได้ทุกค่า (ตั้งแต่ 0 ถึง 1 โดยเพิ่มทีละ 0.01) แล้วกำหนดให้กับตัวแปร efficacy_rate
  • รวม num_patients_cured และ efficacy_rate เข้าด้วยกันเป็น DataFrame ชื่อ df โดยแสดงทุกรูปแบบการผสมผสานของค่าทั้งสอง
  • กำหนด ["num_patients_cured", "efficacy_rate"] ให้กับคอลัมน์ของ df แล้วพิมพ์ผลลัพธ์

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create cured patients array from 1 to 10
num_patients_cured = ____

# Create efficacy rate array from 0 to 1 by 0.01
efficacy_rate = ____

# Combine the two arrays in one DataFrame
df = ____([(x, y) for x in ____ for y in ____])

# Name the columns
df.columns = ____

# Print df
print(df)
แก้ไขและรันโค้ด