COGS 109 Modeling and Data Analysis:利用多元线性回归和聚类的最终项目 源码

COGS-109建模和数据分析 该项目使用线性回归和K均值聚类对饮食习惯数据集进行分析,该数据集包含确定肥胖的变量。 研究重点: 使用探索性线性回归和聚类,我们旨在检查数据集中的几个属性,以发现哪些是预测个体体重的最佳指标。数据集信息: 该数据集包含从墨西哥,秘鲁和哥伦比亚的个人收集的数据。该数据可用于根据饮食习惯和身体状况估算肥胖水平。有2111个实例和17个不同的属性。此外,使用体重不足,正常体重,I级超重,II级超重,I型肥胖,II型肥胖和III型肥胖的值对数据进行分类。笔记: 主要报告可在以下位置找到:“ COGS 109最终报告.pdf” 包含我们的代码的Jupyter笔记本可在以下位置找到:“ COGS 109 Final report.ipynb” 演示海报可以在以下位置找到:“肥胖分析海报” 我们使用的数据集可以在以下位置找到:“ ObesityDataSet.csv”