文件名称：COGS-109-Modeling-and-Data-Analysis:利用多元线性回归和聚类的最终项目
文件大小：2.84MB
文件格式：ZIP
更新时间：2024-04-06 22:36:21
JupyterNotebook
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”
【文件预览】：
COGS-109-Modeling-and-Data-Analysis-main
----COGS_109_Final Report.ipynb(650KB)
----COGS 109 Final Report PDF.pdf(1.23MB)
----ObesityDataSet.csv(257KB)
----README.md(1KB)
----Obesity Analysis Poster.jpg(1.29MB)