Data

A collection of 4 posts
Machine Learning | Study | K-Means 分群 | GDP Clustering
Economic

Machine Learning | Study | K-Means 分群 | GDP Clustering

C.Y.LU 2024-05-20 基本概念 K-Means 的目標是將數據點分成 K 個群集,使得每個群集中的數據點彼此之間的距離最小,而與其他群集的數據點距離最大。該演算法依賴於以下幾個步驟: 1. 選擇 K 個初始中心點(Centroids):這些中心點可以隨機選擇,也可以使用其他方法確定。 2. 分配數據點:將每個數據點分配給最近的中心點,形成 K 個群集。 3. 更新中心點:重新計算每個群集的中心點,通常是該群集所有數據點的平均值。 4. 重複步驟 2 和 3:直到中心點不再變化或達到預定的迭代次數。 演算法步驟 具體步驟如下: 1. 初始化 K 個中心點。 2. 將每個數據點分配給距離最近的中心點,形成 K 個群集。 3. 計算每個群集的新中心點。 4. 檢查中心點是否發生變化,
5 min read
Alzheimer's Prevalence Rate
Data

Alzheimer's Prevalence Rate

以GBD 2018 年的資料分析, 從上圖判讀有三個統計資料和阿茲海默症的盛行率相關: 根據2018年的GBD資料,我們可以觀察到心血管疾病盛行率、每10萬人的牙醫服務量以及人均所得可能與阿茲海默症的盛行率存在某種相關性。這種關聯可能涉及多方面: 1. 心血管疾病盛行率:心血管疾病是一種重要的慢性疾病,與阿茲海默症的發病率可能存在一定的關聯。研究顯示,心血管健康狀況不佳可能增加阿茲海默症的風險。 2. 每10萬人的牙醫服務量:牙周疾病和口腔健康與認知功能之間存在一定的聯繫。一些研究表明,口腔疾病和阿茲海默症之間可能存在一定的關聯,尤其是牙周疾病與認知功能下降之間的關係。 3. 人均所得:人均所得水平可能反映了一個國家或地區的整體經濟狀況和社會福利水平。經濟水平可能與醫療資源、生活方式、飲食習慣等因素相關,而這些因素都可能與阿茲海默症的風險存在關聯。' 綜上所述,這三個因素可能與阿茲海默症的盛行率相關,但需要進一步的研究來確認它們之間的具體關係。
2 min read