[kaggle] weight-height 데이터 시각화 및 선형 회귀 예측 실습

 

In [ ]:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

In [ ]:

# read weight-height dataset
data = "./weight-height.csv"
df_weight_height = pd.read_csv(data)

In [ ]:

df_weight_height.head()

Out[ ]:

	Gender	Height	Weight
0	Male	73.847017	241.893563
1	Male	68.781904	162.310473
2	Male	74.110105	212.740856
3	Male	71.730978	220.042470
4	Male	69.881796	206.349801

In [ ]:

## [문제 해결] height : inch와 weight : lb(파운드)로 되어 있음. 
## 컬럼의 모든 값을 다음의 단위로 환산하여 대입해 보세요.
## 단위를 우리에게 익숙한 값으로 변경 : inch -> 2.54 cm, lb(파운드) -> 0.4563 kg
df_weight_height["Height"] = df_weight_height["Height"].apply(lambda x: x*2.54)
df_weight_height["Weight"] = df_weight_height["Weight"].apply(lambda x:x*0.4563)

In [ ]:

df_weight_height.head()

Out[ ]:

	Gender	Height	Weight
0	Male	187.571423	110.376033
1	Male	174.706036	74.062269
2	Male	188.239668	97.073652
3	Male	182.196685	100.405379
4	Male	177.499761	94.157414

In [ ]:

df_weight_height.shape

Out[ ]:

(10000, 3)

In [ ]:

df_weight_height.info()

 

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10000 entries, 0 to 9999
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   Gender  10000 non-null  object 
 1   Height  10000 non-null  float64
 2   Weight  10000 non-null  float64
dtypes: float64(2), object(1)
memory usage: 234.5+ KB

In [ ]:

df_weight_height.describe()

Out[ ]:

	Height	Weight
count	10000.000000	10000.000000
mean	168.573602	73.665235
std	9.772721	14.651081
min	137.828359	29.522668
25%	161.304276	61.973777
50%	168.447898	73.561459
75%	175.702625	85.405454
max	200.656806	123.196299

In [ ]:

# 입력데이터와 정답데이터를 분리하세요.
X =  df_weight_height["Height"]
y =  df_weight_height["Weight"]

# seaborn으로 다음의 차트가 그려보세요.

sns.scatterplot(x=X,y=y)
plt.show()

 

In [ ]:

# 머신러닝 학습을 위해 80%는 트레이닝 데이터, 20%는 테스트 데이터로 나눔
X_train, X_test, y_train, y_test = train_test_split(X, 
                                                    y, 
                                                    test_size=0.2,
                                                    shuffle=True,
                                                    random_state=30)

In [ ]:

def reshapes(x):
    return x.values.reshape(-1,1)

In [ ]:

# 선형회귀(Linear Regression) 모델 선언하기
model_lr = LinearRegression()

In [ ]:

# 선형회귀(Linear Regression) 모델 학습하기
# reshape 부분을 유의! 2차원 이상으로 넣어야함.

model_lr.fit(reshapes(X_train), y_train)

Out[ ]:

LinearRegression()

 

테스트시 reshape(-1,1)로 차원을 바꿔 주는 이유¶

• [키, 성별, bmi]
• 학습기는 기본적으로 feature 2개 이상의 input이 들어간다고 가정하고 만들어뒀다.(2차원 array)
• 현재 키(height)만 있음.

In [ ]:

# 테스트 데이터에 대한 예측을 수행
# 예측을 위해서도 X_test 데이터를 2차원으로 바꿔서 넣어야 함.
y_pred = model_lr.predict(reshapes(X_test))

In [ ]:

y_pred

Out[ ]:

array([56.99441219, 89.49681391, 82.61048275, ..., 85.32345079,
       58.23100321, 80.24679798])

In [ ]:

#print(type(X_test))
print(X_test.values)
print(X_test.values.reshape(-1,1))

 

[156.54859666 179.97665343 175.01291693 ... 176.96845148 157.43994385
 173.30914927]
[[156.54859666]
 [179.97665343]
 [175.01291693]
 ...
 [176.96845148]
 [157.43994385]
 [173.30914927]]

In [ ]:

# 내 몸무게 예측해보기
#my_h= pd.Series([165])

my_h = pd.Series([175])
my_w_pred = model_lr.predict(reshapes(my_h))
print(my_h)
print(reshapes(my_h))
my_w_pred

 

0    175
dtype: int64
[[175]]

Out[ ]:

array([82.59256272])

In [ ]:

y_test

Out[ ]:

8793    58.656808
1122    90.222967
1283    80.051129
9318    51.263287
7765    62.592769
          ...    
7142    61.637533
8826    57.087457
4553    92.646339
5795    53.679339
3797    80.574967
Name: Weight, Length: 2000, dtype: float64

In [ ]:

# MSE(Mean Squared Error)를 측정하기
MSE = mean_squared_error(y_test, y_pred)

# RMSE(Root Mean Squared Error)를 측정하기
RMSE = np.sqrt(MSE)

print('MSE :', MSE)
print('RMSE :', RMSE)

# 결과는 도메인마다 다름

 

MSE : 31.422267780191564
RMSE : 5.6055568661990725

In [ ]:

plt.plot(X_test, y_test, 'o')
plt.plot(X_test, y_pred)
plt.title('Weight and Height Prediction')
plt.show()

 

In [ ]: