캐글, “500 Person Gender-Height-Weight-Body Mass Index - Height and Weight random generated, Body Mass Index Calculated”에서 데이터를 바탕으로 고객에게 체중과 키 정보만 제공하면 체질량 지수(Body Mass Index , BMI)를 예측하는 모형을 개발하여 고객이 궁금해하는 서비스를 개발하고자 한다.
체질량 지수(體質量指數, Body Mass Index, BMI)는 인간의 비만도를 나타내는 지수로, 체중과 키의 관계로 계산된다. 키가
t미터, 체중이w킬로그램일 때, BMI는 다음이 수식으로 표현된다. (키의 단위가 센티미터가 아닌 미터임에 유의해야 한다.)\[BMI = \frac{w}{t^2}\]
체질량지수 (BMI지수)로 과체중 혹은 비만을 판정하는 한국 사례 1
| 구분 | BMI 지수 |
|---|---|
| 고도 비만 | 40 이상 |
| 중등도 비만 (2단계 비만) | 35 - 39.9 |
| 경도 비만 (1단계 비만) | 30 - 34.9 |
| 과체중 | 25 - 29.9 |
| 정상 | 18.5 - 24.9 |
| 저체중 | 18.5 미만 |
캐글, “500 Person Gender-Height-Weight-Body Mass Index - Height and Weight random generated, Body Mass Index Calculated”에서 데이터를 바탕으로 고객에게 체중과 키 및 라벨 데이터 index가 준비되어 있어 키와 몸무게를 통해 BMI 예측한다.
캐글에서 내려받은 원본 데이터를 살펴본다.
library(tidyverse)
library(here)
file_path <- here("data", "500_Person_Gender_Height_Weight_Index.csv")
bmi_dat <- read_csv(file_path)
glimpse(bmi_dat)Observations: 500
Variables: 4
$ Gender <chr> "Male", "Male", "Female", "Female", "Male", "Male", "Male…
$ Height <dbl> 174, 189, 185, 195, 149, 189, 147, 154, 174, 169, 195, 15…
$ Weight <dbl> 96, 87, 110, 104, 61, 104, 92, 111, 90, 103, 81, 80, 101,…
$ Index <dbl> 4, 2, 4, 3, 3, 3, 5, 5, 3, 4, 2, 4, 3, 2, 2, 5, 5, 5, 5, …bmi_dat %>%
DT::datatable()bmi_df <- bmi_dat %>%
mutate(Index = factor(Index, levels = c(0,1,2,3,4,5), labels = c("극저체중", "저체중", "정상", "과체중", "비만", "고도비만")),
Gender = factor(Gender, levels = c("Male", "Female")))
bmi_df %>%
group_by(Index) %>%
summarise(평균키 = mean(Height),
평균체중 = mean(Weight))# A tibble: 6 x 3
Index 평균키 평균체중
<fct> <dbl> <dbl>
1 극저체중 188. 51.7
2 저체중 185. 59.4
3 정상 174. 69.1
4 과체중 176. 86.9
5 비만 174. 108.
6 고도비만 161. 133. bmi_df %>%
gather(키체중, 값, -Gender, -Index) %>%
ggplot(aes(x=Index, y= 값, fill=Gender)) +
geom_boxplot(show.legend = FALSE) +
facet_grid(키체중 ~ Gender, scales="free") +
theme_bw(base_family = "AppleGothic") +
labs(x="", y="",
title="Height and Weight")
# title="성별, 비만구분에 따른 키와 몸무게") \[\text{BMI 그룹} = f(\text{성별}, \text{키}, \text{몸무게}) + \epsilon\] BMI 그룹: “극저체중”, “저체중”, “정상”, “과체중”, “비만”, “고도비만”
# 0. 환경설정 ------
library(caret)
library(doSNOW)
set.seed(777)
# 1. 데이터 ------
# bmi_df
# 2. 데이터 전처리 ------
# 3. 예측모형 ------
## 3.1. 병렬처리 환경설정
num_cores <- parallel:::detectCores()
start_time <- Sys.time()
cl <- makeCluster(num_cores, type = "SOCK")
registerDoSNOW(cl)
## 3.2. 훈련 vs 검증/시험
train_test_index <- createDataPartition(bmi_df$Index, p = 0.7, list = FALSE)
train <- bmi_df[train_test_index, ]
test <- bmi_df[-train_test_index, ]
## 3.3. 모형 개발/검증 데이터셋 준비 ------
cv_folds <- createMultiFolds(train$Index, k = 10, times = 5)
cv_ctrl <- trainControl(method = "cv", number = 10,
index = cv_folds,
verboseIter = TRUE)
## 3.2. 예측모형 적용
### ranger
gc_ranger_model <- train(Index ~., train,
method = "ranger",
tuneLength = 7,
trControl = cv_ctrl)note: only 2 unique complexity parameters in default grid. Truncating the grid to 2 .
Aggregating results
Selecting tuning parameters
Fitting mtry = 2, splitrule = extratrees, min.node.size = 1 on full training set# 4. 모형 비교평가-----
gc_pred_class <- predict(gc_ranger_model, newdata = test, type="raw")
## 혼동행렬 -----
bmi_conf <- confusionMatrix(gc_pred_class, test$Index)
bmi_conf$table Reference
Prediction 극저체중 저체중 정상 과체중 비만 고도비만
극저체중 3 0 0 0 0 0
저체중 0 4 1 0 0 0
정상 0 2 15 1 0 0
과체중 0 0 2 16 0 0
비만 0 0 2 3 38 4
고도비만 0 0 0 0 1 55cat("정확도: ", scales::percent(bmi_conf$overall[["Accuracy"]]))정확도: 89.1%stopCluster(cl)bmi_test_dat <- tribble(
~"Gender", ~"Height", ~"Weight",
"Male", 149, 61,
"Female", 172, 67
)
predict(gc_ranger_model, newdata = bmi_test_dat, type="raw")[1] 과체중 정상
Levels: 극저체중 저체중 정상 과체중 비만 고도비만