天狼啸月1990的博客

于鹏-提取上下四分位代码。

纳排发现问题，要准确描述问题、统计分析相关数据。研究方向：研究对象与目标变量是直接相关的。最基础的理论基石错了，后面一切都是枉然。方向思路：与team同事探讨。并提出自己立场的解决方案。

建模数据集不包含patient_id或case_no，但我们需要保存一版带id的数据集，自己看！二分类模型多分类模型回归模型。

数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。特征工程流程：这些过程不是必须全部要有，需要根据业务需求和数据格式特点，适宜调整！

医学数据挖掘基本素养：每一步都要校对数据！！！！！！！！！！！！！！！！！看数据量、特征数据缺失情况、离散情况、差异情况、特征包含情况（频次、dosage和日剂量）、运行结果。要不然建模数据不好，得重新返工。代码没思路，多看原始数据。逻辑顺，才能写代码顺。深刻理解原始数据，才能理清逻辑。才能决定手工操作方便还是代码方便，在用药数据重复和交叉的情况需要百度药物药效属性，才能决定该合并还是删除。不看数据，没有发言权！！！！！！数据处理注意事项：Medical DM数据处理流程：参考丙戊酸和甲氨蝶呤项目因为特定用

明确需求：先描述想研究啥，用一句话描述，拆成X和Y，然后结合X和Y的数据类型，选择对应的分析方法。（业务、临床）指导算法人员要做什么，而不是算法指导业务，比如明确其他检测指标和联合用药，不同的药不一样。因为算法不懂业务啊。工作流程：业务指导，制定流程。算法根据业务需求搞数据、方法、模型效果。==>形成算法报告。明确目标 有效性分析：需要有tdm检测。因为在医学上他们通常认为10-20mg的tdm检测水平为有效！ 高低剂量组对比统计分析：明确分组标注。需要分析高低剂量用药对疾病治疗或预防

jupyter跑不动？一个循环一个cell，别太多一起跑，它和pycharm不一样。 删除temp_list等临时变量，他们占用缓存太高。

目录1. 报告2. 代码1：从数据库中提取数据lambda，匿名函数，快速定义单行函数，可以用在任何需要函数的地方。pandas判断是否是空值NaN，isnull()，notnull()pandas.reset_index()pandas.astype()pandas.Excel_Writer()输出到excelmysqlpandas merge()方法pandas rename()方法pandas.drop_duplicates()方法pandas Da