邁入30天賽程的中界點，系統性整合 Day 6 至 Day 14 的探索性資料分析（EDA）成果，進行領域知識導向的特徵工程（Feature Engineering），建構出量化個人眼部亞健康負擔的「綜合用眼疲勞指數（Composite Eye Strain Index, CESI）」，並檢驗其與原始風險分級的對齊程度。
一、實作前情境：為什麼我們需要特徵工程？
回顧前半程的探索，我們發現了幾項關鍵的資料特性：
1.單一數值特徵線性關聯極弱：每日螢幕時數、休息次數與單一症狀的皮爾森相關係數僅在 0.00~0.01 之間徘徊。
2.多因子交互作用明確：在「睡眠不足（≤5h）」的條件下，高工時螢幕暴露會使眼痛分數急劇放大至 5.58 分。
3.客觀急性症狀具有強烈警示性：出現「視力模糊（Blurred_Vision）」的受試者，高疲勞風險比例大增近 9 個百分點。
說明：單一欄位不足以完整代表個體的眼部健康狀態，各因子具有彼此加乘與緩衝的複合效果。因此，我們需要透過特徵工程將「外在暴露危害」、「內在生理修復能力」與「自覺急性症狀」融合成單一可量化評估的數值指標——CESI（Composite Eye Strain Index）。
二、指數設計邏輯與數學架構
我們將 CESI 指數設計為介於 0 到 100 分 的綜合評分，分數越高代表用眼負擔越沉重。指標權重劃分為三大維度：
1.自覺症狀維度（權重 45%）：
三、撰寫特徵工程與驗證視覺化腳本
在Colab中新增儲存格，使用乾淨語法建立新特徵，並透過Seaborn驗證新指數能否有效區分原始的 Digital_Eye_Strain_Risk（Low / Medium / High）：
# ==========================================
# Day 15：綜合用眼疲勞指數 (CESI) 特徵工程實作
# ==========================================
import warnings
warnings.filterwarnings('ignore') # 保持日誌輸出整潔
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib.font_manager as fm
import pandas as pd
import numpy as np
# 1. 引用中文字型
font_path = 'NotoSansTC-Regular.otf'
my_font = fm.FontProperties(fname=font_path)
# 2. 特徵工程計算
# (1) 急性症狀二元轉換
df['Blurred_Vision_Score'] = df['Blurred_Vision'].map({'Yes': 10.0, 'No': 0.0})
# (2) 計算暴露修復比率：螢幕時數 / 睡眠時數
# 考量每小時休息次數 (0~3 次) 帶來的微幅緩衝修正
break_discount = 1.0 - (df['Break_Frequency_Per_Hour'] * 0.05) # 每次休息折抵 5% 暴露負擔
df['Exposure_Burden'] = (df['Daily_Screen_Hours'] / df['Sleep_Hours']) * break_discount
# 將暴露負擔標準化至 0~10 分
min_burden = df['Exposure_Burden'].min()
max_burden = df['Exposure_Burden'].max()
df['Exposure_Score'] = ((df['Exposure_Burden'] - min_burden) / (max_burden - min_burden)) * 10.0
# (3) 依據領域權重綜合成 CESI 指數 (滿分 100 分)
df['CESI_Score'] = (
df['Eye_Dryness_Level'] * 2.0 + # 20%
df['Eye_Pain_Level'] * 2.5 + # 25%
df['Blurred_Vision_Score'] * 1.5 + # 15%
(df['Headache_Frequency_Per_Week'] / 7.0 * 10.0) * 0.5 + # 5%
df['Exposure_Score'] * 3.5 # 35%
)
# 3. 建立 1x2 驗證視覺化圖表
fig, axes = plt.subplots(1, 2, figsize=(16, 6))
sns.set_theme(style="whitegrid")
risk_order = ['Low', 'Medium', 'High']
risk_palette = {'Low': '#5dade2', 'Medium': '#f4d03f', 'High': '#e74c3c'}
# --- 圖 1：各風險等級的 CESI 指數箱形圖 ---
sns.boxplot(
data=df,
x='Digital_Eye_Strain_Risk',
y='CESI_Score',
order=risk_order,
palette=risk_palette,
width=0.45,
boxprops=dict(alpha=0.85),
ax=axes[0]
)
axes[0].set_title('不同風險等級之 CESI 綜合指數分佈', fontproperties=my_font, fontsize=14, fontweight='bold')
axes[0].set_xlabel('原始用眼疲勞風險等級 (Digital_Eye_Strain_Risk)', fontproperties=my_font, fontsize=12)
axes[0].set_ylabel('CESI 綜合疲勞指數 (0-100 分)', fontproperties=my_font, fontsize=12)
axes[0].set_xticks([0, 1, 2])
axes[0].set_xticklabels(['低度風險 (Low)', '中度風險 (Medium)', '高度風險 (High)'], fontproperties=my_font, fontsize=11)
# --- 圖 2：各風險等級的 CESI 指數核密度曲線 (KDE) ---
sns.kdeplot(
data=df,
x='CESI_Score',
hue='Digital_Eye_Strain_Risk',
hue_order=risk_order,
palette=risk_palette,
fill=True,
common_norm=False,
alpha=0.3,
linewidth=2,
ax=axes[1]
)
axes[1].set_title('各風險等級 CESI 指數機率密度曲線', fontproperties=my_font, fontsize=14, fontweight='bold')
axes[1].set_xlabel('CESI 綜合疲勞指數 (0-100 分)', fontproperties=my_font, fontsize=12)
axes[1].set_ylabel('核密度估計 (Density)', fontproperties=my_font, fontsize=12)
# 圖例字型設定
legend_1 = axes[1].get_legend()
if legend_1:
legend_1.set_title('疲勞風險等級')
plt.setp(legend_1.get_texts(), fontproperties=my_font)
plt.setp(legend_1.get_title(), fontproperties=my_font)
plt.tight_layout()
plt.show()
# 4. 輸出各風險組在 CESI 指數上的統計摘要表
print("=== CESI 綜合疲勞指數統計驗證表 ===")
cesi_stats = df.groupby('Digital_Eye_Strain_Risk')['CESI_Score'].agg(
樣本數='count',
平均值='mean',
中位數='median',
標準差='std',
最小值='min',
最大值='max'
).loc[risk_order].reset_index()
display(cesi_stats.round(2))
四、圖表解讀與客觀觀察切入點執行程式碼後，重點檢驗新特徵的鑑別成效：
1.階梯分離度：
iThome鐵人賽
看影片追技術