龙岗网站建设-信科网络,起名算命网站如何做赚钱,wordpress主题外贸网站,哪个品牌网站设计感强项目背景
背景描述
本数据集涵盖了与睡眠和日常习惯有关的诸多变量。如性别、年龄、职业、睡眠时间、睡眠质量、身体活动水平、压力水平、BMI类别、血压、心率、每日步数、以及是否有睡眠障碍等细节。 数据集的主要特征#xff1a; 综合睡眠指标#xff1a; 探索睡眠持续时…项目背景
背景描述
本数据集涵盖了与睡眠和日常习惯有关的诸多变量。如性别、年龄、职业、睡眠时间、睡眠质量、身体活动水平、压力水平、BMI类别、血压、心率、每日步数、以及是否有睡眠障碍等细节。 数据集的主要特征 综合睡眠指标 探索睡眠持续时间、质量和影响睡眠模式的因素。 生活方式因素分析身体活动水平、压力水平和 BMI 类别。 心血管健康检查血压和心率测量值。 睡眠障碍分析确定失眠和睡眠呼吸暂停等睡眠障碍的发生。 数据集列人员 ID 每个人的标识符。 性别人员的性别男性/女性。 年龄人员的年龄以年为单位。 职业人的职业或职业。 睡眠持续时间小时该人每天睡眠的小时数。 睡眠质量量表1-10对睡眠质量的主观评分范围从1到10。 身体活动水平分钟/天该人每天进行身体活动的分钟数。 压力水平等级1-10对人所经历的压力水平的主观评级范围从1到10。 BMI 类别人的 BMI 类别例如体重不足、正常、超重。 血压收缩压/舒张压人的血压测量值表示收缩压超过舒张压。 心率 bpm人的静息心率以每分钟心跳数为单位。 每日步数此人每天的步数。 睡眠障碍人体内是否存在睡眠障碍无、失眠、睡眠呼吸暂停。
有关睡眠障碍专栏的详细信息
类型说明无个体没有表现出任何特定的睡眠障碍。失眠个人难以入睡或保持睡眠状态导致睡眠不足或质量差。睡眠呼吸暂停个人在睡眠期间呼吸暂停导致睡眠模式中断和潜在的健康风险。
睡眠健康和生活方式数据集包括400行和13列涵盖了与睡眠和日常习惯相关的广泛变量。它包括性别、年龄、职业、睡眠持续时间、睡眠质量、身体活动水平、压力水平、身体质量指数分类、血压、心率、每日步数以及是否存在睡眠障碍等详细信息。 在这里我们将使用已经可供使用的“Sleep _ health _ and _ life style _ dataset . CSV”数据库下面您将看到数据的分析、数据的处理以及使用机器模型的学习分类来实现我们的目标。
导入库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
from sklearn.metrics import accuracy_score, confusion_matrix, classification_report
from yellowbrick.classifier import ConfusionMatrix
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import r2_score
from sklearn.metrics import mean_absolute_error, mean_squared_error
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import RandomizedSearchCV
from sklearn.preprocessing import LabelEncoder导入数据
df pd.read_csv(/kaggle/input/sleep-health-and-lifestyle-dataset/Sleep_health_and_lifestyle_dataset.csv, sep ,)这里我们可以看到我们有分类和连续变量我们也可以看到我们没有空值。
Person ID个人ID:每个人的标识符。Gender性别:人的性别(男/女)。Age年龄:以年为单位的人的年龄。Occupation职业:人的职业或专业。Sleep Duration (hours)睡眠持续时间(小时):人每天睡眠的小时数。Quality of Sleep (scale: 1-10)睡眠质量(等级:1-10):对睡眠质量的主观评价范围从1到10。Physical Activity Level (minutes/day)身体活动水平(分钟/天):个人每天从事身体活动的分钟数。Stress Level (scale: 1-10)压力水平(等级:1-10):对人所经历的压力水平的主观评级范围从1到10。BMI Category身体质量指数类别:个人的身体质量指数类别(例如体重不足、正常、超重)。Blood Pressure (systolic/diastolic)血压(收缩压/舒张压):个人的血压测量值表示为收缩压/舒张压。Heart Rate (bpm)心率(bpm):人的静息心率单位为每分钟心跳数。Daily Steps每日步数:此人每天走的步数。Sleep Disorder睡眠障碍:人是否存在睡眠障碍(无、失眠、睡眠呼吸暂停)。 数据分析
corr df.corr().round(2)
plt.figure(figsize (25,20))
sns.heatmap(corr, annot True, cmap YlOrBr)分类变量。 在这里当我们查看分类变量时我们可以看到我们的数据在男性和女性之间分布良好查看身体质量指数我们可以看到大多数人在正常和超重之间当我们查看我们的目标变量时我们可以看到大多数人没有睡眠问题那些有睡眠问题的人在失眠和睡眠呼吸暂停之间分布良好。
plt.figure(figsize (20, 10))plt.subplot(2, 2, 1)
plt.gca().set_title(Variable Gender)
sns.countplot(x Gender, palette Set2, data df)plt.subplot(2, 2, 2)
plt.gca().set_title(Variable BMI Category)
sns.countplot(x BMI Category, palette Set2, data df)plt.subplot(2, 2, 3)
plt.gca().set_title(Variable Sleep Disorder)
sns.countplot(x Sleep Disorder, palette Set2, data df)看看职业一栏我们可以看到我们有一些优势职业。 连续变量。 当我们看我们的分类变量时我们可以看到我们在大多数变量中没有一个模式几乎所有的变量在一些数据中显示平衡而在另一些数据中不显示平衡。
plt.figure(figsize (15, 18))plt.subplot(4, 2, 1)
sns.histplot(x df[Age], kde False)plt.subplot(4, 2, 2)
sns.histplot(x df[Sleep Duration], kde False)plt.subplot(4, 2, 3)
sns.histplot(x df[Quality of Sleep], kde False)plt.subplot(4, 2, 4)
sns.histplot(x df[Physical Activity Level], kde False)plt.subplot(4, 2, 5)
sns.histplot(x df[Stress Level], kde False)plt.subplot(4, 2, 6)
sns.histplot(x df[Heart Rate], kde False)plt.subplot(4, 2, 7)
sns.histplot(x df[Daily Steps], kde False)查看箱线图我们可以确认我们没有需要处理的异常值
plt.title(Boxplot Age, fontdict {fontsize: 20})
sns.boxplot(xdf[Age])plt.title(Boxplot Sleep Duration, fontdict {fontsize: 20})
sns.boxplot(xdf[Sleep Duration])plt.title(Boxplot Quality of Sleep, fontdict {fontsize: 20})
sns.boxplot(xdf[Quality of Sleep])plt.title(Boxplot Physical Activity Level, fontdict {fontsize: 20})
sns.boxplot(xdf[Physical Activity Level])plt.title(Boxplot Stress Level, fontdict {fontsize: 20})
sns.boxplot(xdf[Stress Level])plt.title(Boxplot Heart Rate, fontdict {fontsize: 20})
sns.boxplot(xdf[Heart Rate])plt.title(Boxplot Daily Steps, fontdict {fontsize: 20})
sns.boxplot(xdf[Daily Steps])双变量分析。 当我们比较我们的目标变量和分类变量时我们可以看到有趣的模式例如女性比男性有更多的睡眠问题同样的当我们看身体质量指数变量时超重的人更有可能有睡眠问题正常体重的人通常没有任何问题。 当我们看病人的职业时我们可以看到一个非常有趣的事情教授护士和售货员更有可能有睡眠问题当我们看律师医生和工程师时我们可以看到他们一般没有任何问题。
plt.figure(figsize (20, 10))
plt.suptitle(Analysis Of Variable Sleep Disorder,fontweightbold, fontsize20)plt.subplot(2, 1, 1)
plt.gca().set_title(Variable Gender)
sns.countplot(x Gender, hue Sleep Disorder, palette Set2, data df)plt.subplot(2, 1, 2)
plt.gca().set_title(Variable BMI Category)
sns.countplot(x BMI Category, hue Sleep Disorder, palette Set2, data df)plt.figure(figsize (20, 10))plt.subplot(2, 1, 1)
plt.gca().set_title(Variable Occupation)
sns.countplot(x Occupation, hue Sleep Disorder, palette Set2, data df)plt.subplot(2, 1, 2)
plt.gca().set_title(Variable Blood Pressure)
sns.countplot(x Blood Pressure, hue Sleep Disorder, palette Set2, data df)plt.figure(figsize (25, 20))
plt.suptitle(Analysis Of Variable Sleep Disorder,fontweightbold, fontsize20)plt.subplot(4,2,1)
sns.boxplot(xSleep Disorder, yAge, datadf)plt.subplot(4,2,2)
sns.boxplot(xSleep Disorder, ySleep Duration, datadf)plt.subplot(4,2,3)
sns.boxplot(xSleep Disorder, yQuality of Sleep, datadf)plt.subplot(4,2,4)
sns.boxplot(xSleep Disorder, yPhysical Activity Level, datadf)plt.subplot(4,2,5)
sns.boxplot(xSleep Disorder, yStress Level, datadf)plt.subplot(4,2,6)
sns.boxplot(xSleep Disorder, yHeart Rate, datadf)plt.subplot(4,2,7)
sns.boxplot(xSleep Disorder, yDaily Steps, datadf)模型构建。
这里我们将删除不会在模型中使用的Person ID变量。
df df.drop(Person ID, axis 1)hot pd.get_dummies(df[[Gender, Occupation, BMI Category, Blood Pressure]])
df pd.concat([df, hot], axis 1)
df df.drop([Gender, Occupation, BMI Category, Blood Pressure], axis 1)X df.drop(Sleep Disorder, axis 1)
X X.values
y df[Sleep Disorder]标准缩放器 在这里我们将使用StandardScaler将我们的数据放在相同的比例中
from sklearn.preprocessing import StandardScaler
scaler StandardScaler()
X_standard scaler.fit_transform(X)将数据转换为训练e测试这里我们将使用30%的数据来测试机器学习模型。
from sklearn.model_selection import train_test_split
X_train,X_test, y_train, y_test train_test_split(X_standard, y, test_size 0.3, random_state 0)朴素贝叶斯 运行高斯模型。 这里我们将使用朴素贝叶斯模型我们将使用我们的正态数据测试高斯模型。 在我们的第一个模型中我们有一个非常差的结果只有53%的准确率虽然它只能很好地预测有问题的人但它在预测没有问题的人时结果很差。
from sklearn.naive_bayes import GaussianNB
naive_bayes GaussianNB()
naive_bayes.fit(X_train, y_train)
previsoes naive_bayes.predict(X_test)cm ConfusionMatrix(naive_bayes)
cm.fit(X_train, y_train)
cm.score(X_test, y_test)score_naive_gaussian 0.530973451327433决策图表 这里我们将使用决策树模型我们将测试熵和基尼系数的计算。 在这里我们应用GridSearch来检查哪些是可以使用的最佳指标。
parameters {max_depth: [3, 4, 5, 6, 7, 9, 11],min_samples_split: [2, 3, 4, 5, 6, 7],criterion: [entropy, gini]}model DecisionTreeClassifier()
gridDecisionTree RandomizedSearchCV(model, parameters, cv 3, n_jobs -1)
gridDecisionTree.fit(X_train, y_train)print(Mín Split: , gridDecisionTree.best_estimator_.min_samples_split)
print(Max Nvl: , gridDecisionTree.best_estimator_.max_depth)
print(Algorithm: , gridDecisionTree.best_estimator_.criterion)
print(Score: , gridDecisionTree.best_score_)运行决策树。 现在在我们的决策树模型中与朴素贝叶斯相比我们有了非常大的改进我们有89.38%的准确性该模型能够很好地预测3个类别。
score_tree 0.8938053097345132columns df.drop(Sleep Disorder, axis 1).columns
feature_imp pd.Series(decision_tree.feature_importances_, index columns).sort_values(ascending False)
feature_impBMI Category_Normal 0.450011 Physical Activity Level 0.227875 Age 0.109282 BMI Category_Normal Weight 0.090082 Sleep Duration 0.041911 Stress Level 0.038346 Blood Pressure_142/92 0.017656 Occupation_Teacher 0.013466 Occupation_Lawyer 0.005720 Occupation_Engineer 0.002862 Quality of Sleep 0.002789 Gender_Female 0.000000 Blood Pressure_130/85 0.000000 Blood Pressure_122/80 0.000000 Blood Pressure_125/80 0.000000 Blood Pressure_125/82 0.000000 Blood Pressure_126/83 0.000000 Blood Pressure_128/84 0.000000 Blood Pressure_128/85 0.000000 Blood Pressure_129/84 0.000000 Blood Pressure_130/86 0.000000 Blood Pressure_120/80 0.000000 Blood Pressure_131/86 0.000000 Blood Pressure_132/87 0.000000 Blood Pressure_135/88 0.000000 Blood Pressure_135/90 0.000000 Blood Pressure_139/91 0.000000 Blood Pressure_140/90 0.000000 Blood Pressure_140/95 0.000000 Blood Pressure_121/79 0.000000 Blood Pressure_118/76 0.000000 Blood Pressure_119/77 0.000000 Gender_Male 0.000000 Occupation_Accountant 0.000000 Occupation_Doctor 0.000000 Occupation_Manager 0.000000 Occupation_Nurse 0.000000 Occupation_Sales Representative 0.000000 Occupation_Salesperson 0.000000 Occupation_Scientist 0.000000 Occupation_Software Engineer 0.000000 Daily Steps 0.000000 Heart Rate 0.000000 BMI Category_Obese 0.000000 BMI Category_Overweight 0.000000 Blood Pressure_115/78 0.000000 Blood Pressure_117/76 0.000000 Blood Pressure_118/75 0.000000 Blood Pressure_115/75 0.000000 dtype: float64 随机森林 这里我们将使用随机森林模型我们将测试熵和基尼系数的计算。 应用网格搜索
from sklearn.ensemble import RandomForestClassifierparameters {max_depth: [3, 4, 5, 6, 7, 9, 11],min_samples_split: [2, 3, 4, 5, 6, 7],criterion: [entropy, gini]}model RandomForestClassifier()
gridRandomForest RandomizedSearchCV(model, parameters, cv 5, n_jobs -1)
gridRandomForest.fit(X_train, y_train)print(Algorithm: , gridRandomForest.best_estimator_.criterion)
print(Score: , gridRandomForest.best_score_)
print(Mín Split: , gridRandomForest.best_estimator_.min_samples_split)
print(Max Nvl: , gridRandomForest.best_estimator_.max_depth)运行随机森林。 在这里在随机森林模型中我们设法提高了更多我们获得了90.26%的准确性。
random_forest RandomForestClassifier(n_estimators 100, min_samples_split 5, max_depth 5, criterion gini, random_state 0)
random_forest.fit(X_train, y_train)
previsoes random_forest.predict(X_test)cm ConfusionMatrix(random_forest)
cm.fit(X_train, y_train)
cm.score(X_test, y_test)score_random 0.9026548672566371检查模型中最重要的变量
feature_imp_random pd.Series(random_forest.feature_importances_, index columns).sort_values(ascending False)
feature_imp_randomMI Category_Normal 0.131351 BMI Category_Overweight 0.130821 Blood Pressure_140/95 0.092496 Age 0.086894 Sleep Duration 0.073755 Occupation_Nurse 0.060407 Physical Activity Level 0.055393 Heart Rate 0.049097 Daily Steps 0.048757 Stress Level 0.041599 Quality of Sleep 0.030586 Occupation_Salesperson 0.026217 Blood Pressure_135/90 0.025475 Blood Pressure_130/85 0.020394 Gender_Male 0.015391 Blood Pressure_125/80 0.014591 Occupation_Doctor 0.013854 Occupation_Engineer 0.012983 Occupation_Teacher 0.012427 Gender_Female 0.011748 BMI Category_Normal Weight 0.008467 BMI Category_Obese 0.006766 Blood Pressure_120/80 0.005265 Occupation_Accountant 0.003363 Occupation_Lawyer 0.002648 Blood Pressure_132/87 0.002587 Occupation_Sales Representative 0.002245 Blood Pressure_130/86 0.001697 Blood Pressure_128/85 0.001614 Blood Pressure_128/84 0.001585 Blood Pressure_142/92 0.001332 Blood Pressure_131/86 0.001149 Blood Pressure_139/91 0.000985 Blood Pressure_129/84 0.000805 Blood Pressure_140/90 0.000802 Blood Pressure_135/88 0.000744 Blood Pressure_126/83 0.000704 Blood Pressure_118/75 0.000622 Occupation_Software Engineer 0.000531 Blood Pressure_115/75 0.000520 Occupation_Scientist 0.000515 Blood Pressure_121/79 0.000504 Blood Pressure_117/76 0.000260 Blood Pressure_115/78 0.000051 Blood Pressure_119/77 0.000001 Blood Pressure_122/80 0.000000 Blood Pressure_118/76 0.000000 Blood Pressure_125/82 0.000000 Occupation_Manager 0.000000 dtype: float64
额外的树 这里我们将使用额外的树模型我们将测试熵和基尼系数的计算。 应用网格搜索
from sklearn.ensemble import ExtraTreesClassifierparameters {max_depth: [3, 4, 5, 6, 7, 9, 11],min_samples_split: [2, 3, 4, 5, 6, 7],criterion: [entropy, gini]}model ExtraTreesClassifier()
gridExtraTrees RandomizedSearchCV(model, parameters, cv 3, n_jobs -1)
gridExtraTrees.fit(X_train, y_train)print(Algorithm: , gridExtraTrees.best_estimator_.criterion)
print(Score: , gridExtraTrees.best_score_)
print(Mín Split: , gridExtraTrees.best_estimator_.min_samples_split)
print(Max Nvl: , gridExtraTrees.best_estimator_.max_depth)score_extra 0.8849557522123894kNN 这里我们将使用K-Neighbors模型我们将使用GridSearch模型来找出在该模型中使用的最佳指标。 在这里我们将使用GridSearch来找出在该模型中使用的最佳指标。
from sklearn.neighbors import KNeighborsClassifier
knn KNeighborsClassifier()k_list list(range(1,10))
k_values dict(n_neighbors k_list)
grid GridSearchCV(knn, k_values, cv 2, scoring accuracy, n_jobs -1)
grid.fit(X_train, y_train)grid.best_params_, grid.best_score_运行K-Neighbors。 虽然我们的结果稍差但它仍然是一个很好的模型准确率为88.49%。
knn KNeighborsClassifier(n_neighbors 5, metric minkowski, p 2)
knn.fit(X_train, y_train)
previsoes knn.predict(X_test)cm ConfusionMatrix(knn)
cm.fit(X_train, y_train)
cm.score(X_test, y_test)score_knn 0.8849557522123894逻辑回归 这里我们将使用线性回归模型。 我们设法得到了一个更好的结果在逻辑回归模型中我们有91.11%的准确率。
from sklearn.linear_model import LogisticRegression
logistic LogisticRegression(random_state 1, max_iter10000)
logistic.fit(X_train, y_train)
previsoes logistic.predict(X_test)cm ConfusionMatrix(logistic)
cm.fit(X_train, y_train)
cm.score(X_test, y_test)logistic_normal 0.911504424778761adaboost算法 这里我们将使用AdaBoost模型我们将使用GridSearch模型来找出在该模型中使用的最佳指标。 应用网格搜索
from sklearn.ensemble import AdaBoostClassifierparameters {learning_rate: [0.01, 0.02, 0.05, 0.07, 0.09, 0.1, 0.3, 0.001, 0.005],n_estimators: [300, 500]}model AdaBoostClassifier()
gridAdaBoost RandomizedSearchCV(model, parameters, cv 2, n_jobs -1)
gridAdaBoost.fit(X_train, y_train)print(Learning Rate: , gridAdaBoost.best_estimator_.learning_rate)
print(Score: , gridAdaBoost.best_score_)运行Ada Boost。 这里在AdaBoost模型中我们设法保持与模型相同的质量准确率为91.15%。
ada_boost AdaBoostClassifier(n_estimators 500, learning_rate 0.02, random_state 0)
ada_boost.fit(X_train, y_train)
previsoes ada_boost.predict(X_test)cm ConfusionMatrix(ada_boost)
cm.fit(X_train, y_train)
cm.score(X_test, y_test)score_ada_scaler 0.911504424778761结论
我们的数据不是很多我们的样本总共只有13列374个数据另一件使我们的工作更容易的事情是我们没有空值所以我们不需要执行处理。 当进行数据分析时我们可以看到我们的数据之间有很多相关性但由于我们几乎没有可用的数据所以没有删除这些数据当我们具体查看我们的分类变量时我们可以看到我们的数据在性别变量方面很平衡 当我们查看我们的目标变量时我们可以看到我们的大部分数据没有睡眠问题那些有睡眠问题的数据在两个类别之间很好地平衡(睡眠呼吸暂停和失眠)当我们查看连续变量时我们没有发现它们之间的模式查看箱线图时我发现没有必要处理异常值数据分布良好。 当我们观察双变量分析比较我们的目标变量和我们的解释数据时我们已经得出了一些结论女性更有可能有睡眠问题当我们看身体质量指数变量时我们可以看到正常体重的人通常没有问题超重的人通常更有可能有睡眠问题。 当我们看可变职业时有趣的是看到一些职业比其他职业更容易有睡眠问题另一个引起我注意的变量是年龄变量老年人更容易有睡眠问题。
