今天讓我們從以下這篇文章的角度出發，藉由閱讀以及實際操作的過程，一起思考有什麼方式可以達成目的。

Machine Learning with Datetime Feature Engineering: Predicting Healthcare Appointment No-Shows

文章出處：https://towardsdatascience.com/machine-learning-with-datetime-feature-engineering-predicting-healthcare-appointment-no-shows-5e4ca3a85f96

為何選擇這篇文章

1. 預測的類型相同：利用時間、日期的因素預測某個事件的發生
2. 解說易懂，實作亦不會跳太快

文章整理

緣由

由於五分之一的病人會在預定的時間缺席，不論對於病人自身、其他病人或是醫療服務提供者來說，都是一個不樂見的情形。

專案說明

給定日期以及時間，預測病人是否會遲到或缺席。

資料欄位

1. ScheduledDay: 雙方訂好將來什麼時候看診的那天，包含具體時間以及日期。
2. AppointmentDay：預定看診日，沒有具體時間。
3. No-Show: 是否未出席。

例如小明預定上週五 17:00 預定這週二要洗牙，那麼 ScheduledDay 就是上週五的 17:00，而週一就是 AppointmentDay。

其餘部分在接下來的實作中，如有必要會特別提出說明。

實作

檔案結構

讓我們回到先前的實作中，讀者們的資料夾內，目前應該是這個樣子：

我們預計仍會在同一個專案中處理，不過為了更好區分結構化的部分以及預測的部分，讓我們建立兩個資料夾：

1. prediction
2. structurization

並且將除了 .gitignore、README.md、README.md 以外的檔案，搬移到 structurization中。

同時，讓我們在 prediction 從 structurization 複製一份 annoyance_output_manual.csv 過來，並命名為 annoyance_output_manual_for_predict.csv。

Python 環境建置

筆者對於 Python 較不熟悉，加上開始學習 Python 至今使用的這台電腦是 Apple M1 的 CPU，一開始在虛擬環境（印象中是這個環節）上碰到了一些問題（現在可能這些問題都已有解法）。最終是使用 Anaconda 來達到環境設置以及虛擬環境的效果。

為了方便，目前都還是使用 Anaconda 設置 Python 的環境。取捨就是 Anaconda 佔的空間較大，現在佔了大概 6 GB 左右的容量（兩個虛擬環境都是安裝訓練模型用的套件）。

如果容量有限的讀者不妨先研究選擇 venv 或是 virtualenv 等虛擬環境。

設置專屬於專案的環境

讓我們建置環境，在 Terminal 輸入：

conda create --name annoyance  python=3.8

使用 python 3.8 是因為先前預測驗證碼的專案也同樣是使用 3.8，預期使用的套件差不多，所以仍選擇之。目前 3.8 安裝的是 3.8.13。

建置完成後啟動，在 Terminal 輸入：

conda activate annoyance

讓我們在 prediction 底下開一個 predict.py 檔。

最終的檔案結構長這樣：

今天收工！

延伸閱讀

• 關於虛擬環境的介紹 & 更多的 conda 教學

Changelog

• 20221005: Add Read More Section