基于线性回归对男性体脂率的预测

基于线性回归对男性体脂率的预测

本项目包含：
1.数据探索性分析
2.线性回归预测体脂率

数据集和代码链接放在文末

一、数据说明

二、前置知识

三、数据导入

import pandas as pd
df = pd.read_csv('/home/mw/input/bodyfat8096/bodyfat.csv')
df.head()

df.isnull().sum()

Density 0
BodyFat 0
Age 0
Weight 0
Height 0
Neck 0
Chest 0
Abdomen 0
Hip 0
Thigh 0
Knee 0
Ankle 0
Biceps 0
Forearm 0
Wrist 0
dtype: int64

四、EDA

4.1 单位转换

体重单位是磅，身高单位是英寸，根据说明，其他字段单位都是cm，所以我们先做一个单位的转换
1磅 = 0.45359237kg
1英寸 = 2.54cm

df['Weight'] = df['Weight']*0.45359237
df['Height'] = df['Height']*2.54
df.head()

4.2 年龄分布

我们可以看出，本数据的最大年龄为81岁，最小年龄为22岁；根据年龄分布图来看，大部分被调查者处于60岁以下，根据下图的对照表来说，这个范围内男性标准的体脂率应该为11~22%，下面我们看一下实际的体脂率

print('最大年龄为：{}岁；最小年龄为：{}岁。'.format(max(df['Age']),min(df['Age'])))

最大年龄为：81岁；最小年龄为：22岁。

from matplotlib import pyplot as plt  
%matplotlib inline
import seaborn as sns
fig,ax = plt.subplots(figsize=(6,3), dpi=120)

plt.hist(x = df.Age, # 指定绘图数据
         bins = 15, # 指定直方图中条块的个数
         color = 'skyblue', # 指定直方图的填充色
          edgecolor = 'black' # 指定直方图的边框色
          )
# 添加x轴和y轴标签
plt.xlabel('年龄')
plt.ylabel('频数')
# 添加标题
plt.title('年龄分布')

4.3 体脂率分布

可以看出，体脂率偏高的人多一些，但是数据存在异常，最小体脂率竟然为0？我们查出来是哪一行数据，后续将其剔除。

fig,ax = plt.subplots(figsize=(6,3), dpi=120)

plt.hist(x = df.BodyFat, # 指定绘图数据
         bins = 15, # 指定直方图中条块的个数
         color = 'skyblue', # 指定直方图的填充色
          edgecolor = 'black' # 指定直方图的边框色
          )
# 添加x轴和y轴标签
plt.xlabel('体脂率')
plt.ylabel('频数')
# 添加标题
plt.title('体脂率分布')

4.4 矩阵图分析体脂率和其他变量的关系

可以看出，除了密度和身高外，其他变量和体脂率的趋势关系都差不多

plt.figure(figsize=(10,8), dpi= 80)
for index in range(len(list(df))):
    sns.pairplot(df, x_vars=list(df)[index],height = 4,
                aspect=2,y_vars=['BodyFat'],kind="reg")

4.5各变量热力图

五、建模分析

5.1 相关性分析

#特征多了，不好挑，写个相关系数高于就选出来的函数
def corr_del(df,rate):
    feature_names = list