第20节 R语言医学分析:某保险医疗事故赔偿因素分析

某保险医疗事故赔偿因素分析

我们分析数据集“诉讼”的第一个方法是确定样本数量、变量类型、缩放/编码约定（如果有）用于验证数据清理。 接下来，数据集看起来很干净，没有缺失值，并且对于分类变量，将编码约定替换为实际值，以便更好地理解它们。 因此，私人律师、严重程度和性别变量编码约定已更新。

如下所示，首先安装并加载分析所需的库。 在本例中，我们使用了“tidyverse”、“funModeling”和“Hmisc”。 这些软件包专为探索性数据分析、数据准备、数据操作、探索和可视化而设计。 将数据集文件读入 R 以访问数据并进行分析。

最好了解样本数、列数及其相应的数据类型，如下所示。

下图显示了零的数量(q_zeros)、零的百分比(p_zeros)、无限值的数量(q_inf)、无限值的百分比(p_inf)、NA的数量(q_na)、NA的百分比(p_na)的摘要， 数据类型（type），数据集文件中每一列的唯一值（unique）的数量。 考虑此输出的原因是具有大量零、多个缺失值的变量可能对分析没有用，并且可能导致模型出现偏差。 另请注意，Age 有一个零值，其余数据是干净的