基于随机森林和Xgboost对肥胖风险的多类别预测

在这里插入图片描述

基于随机森林和Xgboost对肥胖风险的多类别预测

作者：i阿极

作者简介：数据分析领域优质创作者、多项比赛获奖者：博主个人首页

😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍

📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪

大家好，我i阿极。喜欢本专栏的小伙伴，请多多支持

专栏案例：机器学习案例
机器学习(一)：线性回归之最小二乘法
机器学习(二)：线性回归之梯度下降法
机器学习(三)：基于线性回归对波士顿房价预测
机器学习(四)：基于KNN算法对鸢尾花类别进行分类预测
机器学习(五)：基于KNN模型对高炉发电量进行回归预测分析
机器学习(六)：基于高斯贝叶斯对面部皮肤进行预测分析
机器学习(七)：基于多项式贝叶斯对蘑菇毒性分类预测分析
机器学习(八)：基于PCA对人脸识别数据降维并建立KNN模型检验
机器学习(十四)：基于逻辑回归对超市销售活动预测分析
机器学习(十五)：基于神经网络对用户评论情感分析预测
机器学习(十六)：线性回归分析女性身高与体重之间的关系
机器学习(十七)：基于支持向量机（SVM）进行人脸识别预测
机器学习(十八)：基于逻辑回归对优惠券使用情况预测分析
机器学习(十九）：基于逻辑回归对某银行客户违约预测分析
机器学习(二十)：LightGBM算法原理（附案例实战）
机器学习(二十一)：基于朴素贝叶斯对花瓣花萼的宽度和长度分类预测
机器学习(二十二)：基于逻辑回归（Logistic Regression）对股票客户流失预测分析

文章目录

基于随机森林和Xgboost对肥胖风险的多类别预测
1、前言
2、数据说明
3、导入所需要的模块
4、导入数据
5、查看数据维度
6、查看数据基本信息
7、描述性统计分析
8、探索性数据可视化分析
9、特征编码
10、划分训练集和测试集
11、模型建立
- 11.1 随机森林分类模型
- 11.2 Xgboost分类模型
12、模型检验
总结

1、前言

肥胖风险的多类预测不仅关乎个体的健康福祉，更是对全社会健康管理体系的挑战与机遇。在现代社会，随着工作节奏的加快和生活方式的多样化，肥胖已经成为威胁人类健康的重要因素之一。肥胖不仅与高血压、糖尿病、心血管疾病等多种慢性疾病密切相关，还可能导致心理健康问题，如焦虑、抑郁等。

因此，开展肥胖风险的多类预测研究，对于早期识别高风险人群、制定个性化的干预措施、减少肥胖及相关疾病的发生具有重要意义。传统的肥胖风险评估方法往往依赖于单一的指标，如体重指数（BMI），但这种方法忽略了人体成分的复杂性和多样性，难以全面准确地评估肥胖风险。

近年来，随着人工智能和大数据技术的飞速发展，多类预测方法被广泛应用于肥胖风险预测领域。这些方法能够综合考虑个体的遗传、环境、行为等多个因素，通过机器学习算法建立预测模型，实现对肥胖风险的精准预测。这些模型不仅具有高度的准确性和可靠性，还能够为临床医生和公共卫生专家提供科学的决策支持，帮助他们制定更有效的肥胖预防和管理策略。

未来，随着技术的不断进步和数据的不断积累，肥胖风险的多类预测研究将不断深入。我们期待通过这一领域的探索，为全球肥胖防控事业贡献更多的智慧和力量。

2、数据说明

本次比赛的数据集（训练和测试）是从在肥胖或心血管疾病风险数据集上训练的深度学习模型生成的。特征分布与原始分布接近，但不完全相同。作为本次比赛的一部分，您可以随意使用原始数据集，既可以探索差异，也可以查看在训练中加入原始数据集是否能提高模型性能。

注意：该数据集特别适用于可视化、聚类和通用 EDA。

train.csv - 训练数据集; 是分类目标NObeyesdad
test.csv - 测试数据集;您的目标是预测每行的类NObeyesdad

3、导入所需要的模块

import pandas as pd
import numpy as np
import requests
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.preprocessing import LabelEncoder,PowerTransformer
import math  
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, classification_report, confusion_matrix

4、导入数据

train = pd.read_csv(r"D:\playground-series-s4e2\train.csv")
test = pd.read_csv(r"D:\playground-series-s4e2\test.csv")
train.head()

部分结果如下图所示：

在这里插入图片描述

5、查看数据维度

train.shape
test.shape

结果如下所示：

(20758, 18)
(13840, 17)

6、查看数据基本信息

train.info()

结果如下所示：
在这里插入图片描述

7、描述性统计分析

train.describe()

结果如下所示：
在这里插入图片描述

8、探索性数据可视化分析

首先，定义了一个名为single_plot_distribution的函数，用于绘制给定数据框（dataframe）中某一列（column_name）的数据分布。函数首先计算该列的唯一值的出现次数（value_counts）。然后，它创建了一个包含两个子图的图形，一个用于显示环形图（pie chart），另一个用于显示条形图（bar chart）

#绘制单个饼图和条形图的函数
def single_plot_distribution(column_name, dataframe):
    # 获取指定列的值计数
    value_counts = dataframe[column_name].value_counts()

    # 用两个子画面设置图形
    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 5), gridspec_kw={'width_ratios': [1, 1]}) 

    # 环形图
    palette = ["#00B1D2FF", "#FDDB27FF"]
    color_palette = sns.color_palette(palette)
    pie_colors = palette[0:3]
    ax1.pie(value_counts, autopct='%0.001f%%', startangle=90, pctdistance=0.85, colors=pie_colors, labels=None)
    centre_circle = plt.Circle((0,0),0.70,fc='white')
    ax1.add_artist(centre_circle)
    ax1.set_title(f'Distribution of {column_name}', fontsize=16)

    # 条形图
    bar_colors = palette[0:3]
    sns.barplot(x=value_counts.index, y=value_counts.values, ax=ax2, palette=bar_colors,) 
    ax2.set_title(f'Count of {column_name}', fontsize=16)
    ax2.set_xlabel(column_name, fontsize=14)
    ax2.set_ylabel('Count', fontsize=14)

    # 旋转x轴标签以提高可读性
    ax2.tick_params(axis='x', rotation=45)

    # 显示绘图
    plt.tight_layout()
    plt.show()

由于源码中图过多，这里就举一个例子

single_plot_distribution('NObeyesdad',train)

在这里插入图片描述

定义了一个名为advanced_scatter_plot的函数，用于绘制带有颜色区分的散点图。函数接受四个参数：x_column（x轴的数据列名）、y_column（y轴的数据列名）、target_column（用于区分不同颜色的目标列名）和dataframe（包含数据的DataFrame）。函数首先设置图形大小，然后定义颜色调色板。接着，使用seaborn库的scatterplot函数绘制散点图，其中点的颜色由target_column决定。函数还设置了图表的标题、轴标签和图例，并添加了网格线。最后，使用plt.show()显示图表。

def advanced_scatter_plot(x_column, y_column, target_column, dataframe):
    plt.figure(figsize=(15, 6))
    palette = ["#00B1D2FF", "#FDDB27FF"]
    color_palette = sns.color_palette(palette)
    sns.scatterplot(x=x_column, y=y_column, hue=target_column, data=dataframe, palette=palette[0:3])
    plt.title(f'Scatter Plot of {x_column} vs {y_column} Hue by {target_column}', fontsize=16)
    plt.xlabel(x_column, fontsize=14)
    plt.ylabel(y_column, fontsize=14)
    plt.legend(title=target_column)
    plt.grid(True)
    plt.show()

由于源码中图过多，这里就举一个例子

advanced_scatter_plot('Age', 'Weight', 'Gender', train)#在男女当中，显示年龄与体重的关系

在这里插入图片描述

9、特征编码

label_encoder = LabelEncoder()
train['NObeyesdad'] = label_encoder.fit_transform(train['NObeyesdad'])

train = pd.get_dummies(train)
test = pd.get_dummies(test)

10、划分训练集和测试集

X = train.drop(['id', 'NObeyesdad'], axis=1)
y = train['NObeyesdad']

X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.2, random_state=42)
#将训练集和测试集划分为8：2

11、模型建立

11.1 随机森林分类模型

model_RF = RandomForestClassifier(n_estimators=100, random_state=42)
model_RF.fit(X_train, y_train)
val_preds_RF = model_RF.predict(X_val)
accuracy_RF = accuracy_score(y_val, val_preds_RF)
print(f"Validation Accuracy: {accuracy_RF}")#模型准确率
# Validation Accuracy: 0.8872832369942196

11.2 Xgboost分类模型

from xgboost import XGBClassifier  
  
# 初始化XGBoost分类器  
model_XGB = XGBClassifier(n_estimators=100, random_state=42)  
  
# 使用训练数据拟合模型  
model_XGB.fit(X_train, y_train)
val_preds_XGB = model_XGB.predict(X_val)
accuracy_XGB = accuracy_score(y_val, val_preds_XGB)
print(f"Validation Accuracy: {accuracy_XGB}")#模型准确率
#Validation Accuracy: 0.9019749518304432

12、模型检验

一开始有导入文件名为test的数据集，将训练好的模型进行检验。

if 'CALC_Always' in test.columns:
    test.drop('CALC_Always', axis=1, inplace=True)
test_preds_RF = model_RF.predict(test.drop('id', axis=1))
test_preds_XGB = model_XGB.predict(test.drop('id', axis=1))

#输出热力图结果
conf_matrix_RF = pd.crosstab(y_val, val_preds_RF, rownames=['Actual'], colnames=['Predicted'])  
conf_matrix_XGB = pd.crosstab(y_val, val_preds_XGB, rownames=['Actual'], colnames=['Predicted'])  
print(conf_matrix_RF)
print('\n')
print(conf_matrix_XGB)