医疗事故诉讼
进行探索性数据分析，以确定影响保险公司为医疗事故诉讼支付的索赔金额的因素
我们分析数据集“诉讼”的第一种方法是确定样本数量、变量类型、用于验证数据清理的缩放/编码约定（如果有）。接下来，数据集看起来很干净，没有丢失值，对于分类变量，用它们的实际值替换编码约定，以便更好地理解它们。因此，私人律师、严重性和性别变量编码惯例得到更新。
如下图所示，首先安装并加载分析所需的库。在本例中，我们使用了“tidyverse”、“funModeling”和“Hmisc”。这些软件包设计用于探索性数据分析、数据准备、数据操作、探索和可视化。将数据集文件读入R以访问数据并进行分析。
了解样本数、列数及其对应的数据类型是一种很好的做法，如下所示。
下图显示了数据集文件中每列的零的数量(Q_Zeros)、零的百分比(P_Zeros)、无限数值的数量(Q_Inf)、无限数值的百分比(P_Inf)、NA的数量(Q_Na)、NA的百分比(P_Na)、数据类型(Type)、唯一值的数量(Unique)。
考虑此输出的原因是，包含大量零的变量和几个缺少值的变量可能对分析没有用处，并可能导致偏差模型。
另外，请注意，Age有一个零值，其余数据都是干净的