現代人生活與各類數位螢幕高度綁定,用眼過度與視力提早惡化已成為普遍的公共健康議題。本專案以「日常生活習慣如何實質左右視力健康」為核心切入點,跳過晦澀複雜的模型黑盒子,聚焦於標準且嚴謹的探索性資料分析工作流。我將運用Python實戰工具,從公開健康資料中萃取關鍵資訊,透過統計圖表與顯著性檢定,探究螢幕使用時長、戶外運動、睡眠作息與視力變化之間的真實關聯,以客觀數據打破或驗證常見的護眼迷思。
延續生活型態變數探索,聚焦於另一項關鍵護眼行為——每小時休息次數(Break_Frequency_Per_Hour),分析其對「眼睛乾澀(Eye_Dryness...
針對核心類別特徵Role(身分:Student vs. Professional ),展開多維度的橫向對比分析,檢視兩個族群在「每日螢幕使用時數」、「每日睡眠時...
透過特徵工程將連續變數離散化切箱,並繪製「雙因子交互作用熱力圖(Interaction Heatmap)」與「多維度散佈圖」,清楚解鎖作息與用眼的交互影響。 一...
聚焦於資料集中最具臨床指標性的急性眼部警訊 —— 視力模糊,分析出現模糊症狀的受試者(155 人,31.0%)在「年齡」、「螢幕時長」、「每週頭痛頻率」及「綜合...
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 Engineer...
邁入鐵人賽後半程(推論統計階段),利用 SciPy 進行嚴謹的雙樣本統計假設檢定,針對 Day 10 觀察到的「抗藍光濾鏡使用組 vs. 未使用組」在自覺症狀(...
深入 Day 12 觀察到的「學生 vs. 職場人士」族群差異,使用SciPy進行雙軌假設檢定——針對連續指標(螢幕時數、睡眠時數、CESI 綜合疲勞指數)執行...
正式由推論統計跨入機器學習預測建模階段!盤點先前的特徵工程成果,將類別特徵進行數值編碼、將連續型指標進行尺度標準化(Standardization),並運用分層...
成功訓練多類別邏輯回歸模型,完成測試集推論評估,並將模型係數轉化為特徵權重條形圖以利可解釋性分析。 一、實作前情境:為什麼選擇多元邏輯回歸作為 Baseline...
成功訓練100棵決策樹構成的隨機森林模型,完成測試集推論,並透過雙子圖呈現混淆矩陣結構改善與特徵貢獻分佈。 一、實作前情境:為什麼隨機森林能救回邊界預測?在 D...