Gustavo de M. Oliveira

Gustavo de M. Oliveira

Data Science Portfólio

Análise COVID-19 em SP - Dados do Hospital Albert Einstein

14 minuto(s) de leitura

Dados

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
pd.set_option('display.max_columns', 200)

df = pd.read_excel('dataset.xlsx')
df.head()
Patient ID Patient age quantile SARS-Cov-2 exam result Patient addmited to regular ward (1=yes, 0=no) Patient addmited to semi-intensive unit (1=yes, 0=no) Patient addmited to intensive care unit (1=yes, 0=no) Hematocrit Hemoglobin Platelets Mean platelet volume Red blood Cells Lymphocytes Mean corpuscular hemoglobin concentration (MCHC) Leukocytes Basophils Mean corpuscular hemoglobin (MCH) Eosinophils Mean corpuscular volume (MCV) Monocytes Red blood cell distribution width (RDW) Serum Glucose Respiratory Syncytial Virus Influenza A Influenza B Parainfluenza 1 CoronavirusNL63 Rhinovirus/Enterovirus Mycoplasma pneumoniae Coronavirus HKU1 Parainfluenza 3 Chlamydophila pneumoniae Adenovirus Parainfluenza 4 Coronavirus229E CoronavirusOC43 Inf A H1N1 2009 Bordetella pertussis Metapneumovirus Parainfluenza 2 Neutrophils Urea Proteina C reativa mg/dL Creatinine Potassium Sodium Influenza B, rapid test Influenza A, rapid test Alanine transaminase Aspartate transaminase Gamma-glutamyltransferase Total Bilirubin Direct Bilirubin Indirect Bilirubin Alkaline phosphatase Ionized calcium Strepto A Magnesium pCO2 (venous blood gas analysis) Hb saturation (venous blood gas analysis) Base excess (venous blood gas analysis) pO2 (venous blood gas analysis) Fio2 (venous blood gas analysis) Total CO2 (venous blood gas analysis) pH (venous blood gas analysis) HCO3 (venous blood gas analysis) Rods # Segmented Promyelocytes Metamyelocytes Myelocytes Myeloblasts Urine - Esterase Urine - Aspect Urine - pH Urine - Hemoglobin Urine - Bile pigments Urine - Ketone Bodies Urine - Nitrite Urine - Density Urine - Urobilinogen Urine - Protein Urine - Sugar Urine - Leukocytes Urine - Crystals Urine - Red blood cells Urine - Hyaline cylinders Urine - Granular cylinders Urine - Yeasts Urine - Color Partial thromboplastin time (PTT) Relationship (Patient/Normal) International normalized ratio (INR) Lactic Dehydrogenase Prothrombin time (PT), Activity Vitamin B12 Creatine phosphokinase (CPK) Ferritin Arterial Lactic Acid Lipase dosage D-Dimer Albumin Hb saturation (arterial blood gases) pCO2 (arterial blood gas analysis) Base excess (arterial blood gas analysis) pH (arterial blood gas analysis) Total CO2 (arterial blood gas analysis) HCO3 (arterial blood gas analysis) pO2 (arterial blood gas analysis) Arteiral Fio2 Phosphor ctO2 (arterial blood gas analysis)
0 44477f75e8169d2 13 negative 0 0 0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
1 126e9dd13932f68 17 negative 0 0 0 0.236515 -0.02234 -0.517413 0.010677 0.102004 0.318366 -0.95079 -0.09461 -0.223767 -0.292269 1.482158 0.166192 0.357547 -0.625073 -0.140648 not_detected not_detected not_detected not_detected not_detected detected NaN not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected -0.619086 1.198059 -0.147895 2.089928 -0.305787 0.862512 negative negative NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
2 a46b4402a0e5696 8 negative 0 0 0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
3 f7d619a94f97c45 5 negative 0 0 0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
4 d9e41465789c2b5 15 negative 0 0 0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN not_detected not_detected not_detected not_detected not_detected detected NaN not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 
df.shape

(5644, 111)

a_trocar = {
    'negative' : 0,
    'positive' : 1
}
df['SARS-Cov-2 exam result'] = df['SARS-Cov-2 exam result'].map(a_trocar)
df.head()
Patient ID Patient age quantile SARS-Cov-2 exam result Patient addmited to regular ward (1=yes, 0=no) Patient addmited to semi-intensive unit (1=yes, 0=no) Patient addmited to intensive care unit (1=yes, 0=no) Hematocrit Hemoglobin Platelets Mean platelet volume Red blood Cells Lymphocytes Mean corpuscular hemoglobin concentration (MCHC) Leukocytes Basophils Mean corpuscular hemoglobin (MCH) Eosinophils Mean corpuscular volume (MCV) Monocytes Red blood cell distribution width (RDW) Serum Glucose Respiratory Syncytial Virus Influenza A Influenza B Parainfluenza 1 CoronavirusNL63 Rhinovirus/Enterovirus Mycoplasma pneumoniae Coronavirus HKU1 Parainfluenza 3 Chlamydophila pneumoniae Adenovirus Parainfluenza 4 Coronavirus229E CoronavirusOC43 Inf A H1N1 2009 Bordetella pertussis Metapneumovirus Parainfluenza 2 Neutrophils Urea Proteina C reativa mg/dL Creatinine Potassium Sodium Influenza B, rapid test Influenza A, rapid test Alanine transaminase Aspartate transaminase Gamma-glutamyltransferase Total Bilirubin Direct Bilirubin Indirect Bilirubin Alkaline phosphatase Ionized calcium Strepto A Magnesium pCO2 (venous blood gas analysis) Hb saturation (venous blood gas analysis) Base excess (venous blood gas analysis) pO2 (venous blood gas analysis) Fio2 (venous blood gas analysis) Total CO2 (venous blood gas analysis) pH (venous blood gas analysis) HCO3 (venous blood gas analysis) Rods # Segmented Promyelocytes Metamyelocytes Myelocytes Myeloblasts Urine - Esterase Urine - Aspect Urine - pH Urine - Hemoglobin Urine - Bile pigments Urine - Ketone Bodies Urine - Nitrite Urine - Density Urine - Urobilinogen Urine - Protein Urine - Sugar Urine - Leukocytes Urine - Crystals Urine - Red blood cells Urine - Hyaline cylinders Urine - Granular cylinders Urine - Yeasts Urine - Color Partial thromboplastin time (PTT) Relationship (Patient/Normal) International normalized ratio (INR) Lactic Dehydrogenase Prothrombin time (PT), Activity Vitamin B12 Creatine phosphokinase (CPK) Ferritin Arterial Lactic Acid Lipase dosage D-Dimer Albumin Hb saturation (arterial blood gases) pCO2 (arterial blood gas analysis) Base excess (arterial blood gas analysis) pH (arterial blood gas analysis) Total CO2 (arterial blood gas analysis) HCO3 (arterial blood gas analysis) pO2 (arterial blood gas analysis) Arteiral Fio2 Phosphor ctO2 (arterial blood gas analysis)
0 44477f75e8169d2 13 0 0 0 0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
1 126e9dd13932f68 17 0 0 0 0 0.236515 -0.02234 -0.517413 0.010677 0.102004 0.318366 -0.95079 -0.09461 -0.223767 -0.292269 1.482158 0.166192 0.357547 -0.625073 -0.140648 not_detected not_detected not_detected not_detected not_detected detected NaN not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected -0.619086 1.198059 -0.147895 2.089928 -0.305787 0.862512 negative negative NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
2 a46b4402a0e5696 8 0 0 0 0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
3 f7d619a94f97c45 5 0 0 0 0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
4 d9e41465789c2b5 15 0 0 0 0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN not_detected not_detected not_detected not_detected not_detected detected NaN not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected not_detected NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 
df['SARS-Cov-2 exam result'].value_counts()

0    5086
1     558
Name: SARS-Cov-2 exam result, dtype: int64

df.replace('not_detected', 0, inplace=True)
df.replace('detected', 1, inplace = True)
df.replace('negative', 0, inplace = True)
df.replace('positive', 1, inplace = True)
df.replace('not_done', 0, inplace=True)
df = df.fillna(-1)
df.tail()
Patient ID Patient age quantile SARS-Cov-2 exam result Patient addmited to regular ward (1=yes, 0=no) Patient addmited to semi-intensive unit (1=yes, 0=no) Patient addmited to intensive care unit (1=yes, 0=no) Hematocrit Hemoglobin Platelets Mean platelet volume Red blood Cells Lymphocytes Mean corpuscular hemoglobin concentration (MCHC) Leukocytes Basophils Mean corpuscular hemoglobin (MCH) Eosinophils Mean corpuscular volume (MCV) Monocytes Red blood cell distribution width (RDW) Serum Glucose Respiratory Syncytial Virus Influenza A Influenza B Parainfluenza 1 CoronavirusNL63 Rhinovirus/Enterovirus Mycoplasma pneumoniae Coronavirus HKU1 Parainfluenza 3 Chlamydophila pneumoniae Adenovirus Parainfluenza 4 Coronavirus229E CoronavirusOC43 Inf A H1N1 2009 Bordetella pertussis Metapneumovirus Parainfluenza 2 Neutrophils Urea Proteina C reativa mg/dL Creatinine Potassium Sodium Influenza B, rapid test Influenza A, rapid test Alanine transaminase Aspartate transaminase Gamma-glutamyltransferase Total Bilirubin Direct Bilirubin Indirect Bilirubin Alkaline phosphatase Ionized calcium Strepto A Magnesium pCO2 (venous blood gas analysis) Hb saturation (venous blood gas analysis) Base excess (venous blood gas analysis) pO2 (venous blood gas analysis) Fio2 (venous blood gas analysis) Total CO2 (venous blood gas analysis) pH (venous blood gas analysis) HCO3 (venous blood gas analysis) Rods # Segmented Promyelocytes Metamyelocytes Myelocytes Myeloblasts Urine - Esterase Urine - Aspect Urine - pH Urine - Hemoglobin Urine - Bile pigments Urine - Ketone Bodies Urine - Nitrite Urine - Density Urine - Urobilinogen Urine - Protein Urine - Sugar Urine - Leukocytes Urine - Crystals Urine - Red blood cells Urine - Hyaline cylinders Urine - Granular cylinders Urine - Yeasts Urine - Color Partial thromboplastin time (PTT) Relationship (Patient/Normal) International normalized ratio (INR) Lactic Dehydrogenase Prothrombin time (PT), Activity Vitamin B12 Creatine phosphokinase (CPK) Ferritin Arterial Lactic Acid Lipase dosage D-Dimer Albumin Hb saturation (arterial blood gases) pCO2 (arterial blood gas analysis) Base excess (arterial blood gas analysis) pH (arterial blood gas analysis) Total CO2 (arterial blood gas analysis) HCO3 (arterial blood gas analysis) pO2 (arterial blood gas analysis) Arteiral Fio2 Phosphor ctO2 (arterial blood gas analysis)
5639 ae66feb9e4dc3a0 3 1 0 0 0 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.00000 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.000000 -1.000000 -1.00000 -1.000000 -1.000000 -1.000000 -1.0 -1.0 -1.00000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1 -1 -1 -1 -1 -1 -1.0 -1.000000 -1 -1 -1.0 -1 -1 -1.000000 -1 -1 -1 -1 -1.0 -1.0 -1.0 -1.000000 -1.0 -1.0 -1.000000 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0
5640 517c2834024f3ea 17 0 0 0 0 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.00000 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.000000 -1.000000 -1.00000 -1.000000 -1.000000 -1.000000 -1.0 -1.0 -1.00000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1 -1 -1 -1 -1 -1 -1.0 -1.000000 -1 -1 -1.0 -1 -1 -1.000000 -1 -1 -1 -1 -1.0 -1.0 -1.0 -1.000000 -1.0 -1.0 -1.000000 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0
5641 5c57d6037fe266d 4 0 0 0 0 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.00000 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.000000 -1.000000 -1.00000 -1.000000 -1.000000 -1.000000 -1.0 -1.0 -1.00000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1 -1 -1 -1 -1 -1 -1.0 -1.000000 -1 -1 -1.0 -1 -1 -1.000000 -1 -1 -1 -1 -1.0 -1.0 -1.0 -1.000000 -1.0 -1.0 -1.000000 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0
5642 c20c44766f28291 10 0 0 0 0 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.00000 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.000000 -1.000000 -1.00000 -1.000000 -1.000000 -1.000000 -1.0 -1.0 -1.00000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.000000 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1 clear 5 absent absent absent -1.0 -0.338525 normal absent -1.0 29000 Ausentes -0.177169 absent absent absent yellow -1.0 -1.0 -1.0 -1.000000 -1.0 -1.0 -1.000000 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0
5643 2697fdccbfeb7f7 19 1 0 0 0 0.694287 0.541564 -0.906829 -0.325903 0.578024 -0.295726 -0.353319 -1.288428 -1.140144 -0.135455 -0.835508 0.025985 0.567652 -0.18279 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 0.380685 0.453725 -0.50357 -0.735872 -0.552949 -0.934388 -1.0 -1.0 -0.28361 0.108761 -0.420454 -0.480996 -0.586463 -0.278654 -0.243405 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1 -1 -1 -1 -1 -1 -1.0 -1.000000 -1 -1 -1.0 -1 -1 -1.000000 -1 -1 -1 -1 -1.0 -1.0 -1.0 0.420204 -1.0 -1.0 -0.343291 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 
from category_encoders.ordinal import OrdinalEncoder

enc = OrdinalEncoder(cols=['Urine - Esterase', 'Urine - Aspect', 'Urine - pH', 'Urine - Hemoglobin', 'Urine - Bile pigments', 'Urine - Ketone Bodies',
                           'Urine - Nitrite', 'Urine - Urobilinogen', 'Urine - Leukocytes' ,'Urine - Protein', 'Urine - Sugar', 'Urine - Crystals', 'Urine - Red blood cells',
                           'Urine - Hyaline cylinders', 'Urine - Granular cylinders', 'Urine - Yeasts', 'Urine - Color'])
enc.fit(df)
df_ord = enc.transform(df)

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import recall_score
from sklearn.metrics import precision_score


x = df_ord.drop(['SARS-Cov-2 exam result','Patient ID'], axis = 1)
y = df_ord['SARS-Cov-2 exam result']

SEED = 20

treino_x, teste_x, treino_y, teste_y = train_test_split(x, y, random_state = SEED)

print('Treino com %d elementos e teste com %d elementos' % (len(treino_x), len(teste_x)))

Treino com 4233 elementos e teste com 1411 elementos

treino_y.value_counts()

0    3816
1     417
Name: SARS-Cov-2 exam result, dtype: int64

from imblearn.over_sampling import SMOTE

smt = SMOTE()
treino_x, treino_y = smt.fit_sample(treino_x, treino_y)

np.bincount(treino_y)

array([3816, 3816], dtype=int64)

modelo = RandomForestClassifier(n_estimators=200, n_jobs=-1)
modelo.fit(treino_x, treino_y)
previsoes = modelo.predict(teste_x)

recall = recall_score(teste_y, previsoes) *100
print("O recall foi %.2f%%" % recall)

precision = precision_score(teste_y, previsoes) *100
print("A precision foi de %.2f%%" % precision)



O recall foi 58.16%
A precision foi de 13.51%

previsoes = modelo.predict_proba(teste_x)[:,1]

def avaliar_threshold(teste_y, previsoes):
    lista_recall = []
    lista_precision = []

    for i in np.linspace(0,1,1000):
        novas_previsoes = previsoes >= i
        lista_recall.append(recall_score(teste_y, novas_previsoes))
        lista_precision.append(precision_score(teste_y, novas_previsoes))

    plt.scatter(np.linspace(0,1,1000), lista_recall)
    plt.scatter(np.linspace(0,1,1000), lista_precision)
    plt.show()

avaliar_threshold(teste_y, previsoes)

C:\Users\gust4\Anaconda3\lib\site-packages\sklearn\metrics\_classification.py:1272: UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 due to no predicted samples. Use `zero_division` parameter to control this behavior.
  _warn_prf(average, modifier, msg_start, len(result))

png

Talvez você também goste