?? 作者：韓信子@ShowMeAI
??資料分析 ? 技能提升系列：https://www.showmeai.tech/tutorials/33
??AI 面試題庫系列：https://www.showmeai.tech/tutorials/48
??本文地址：https://www.showmeai.tech/article-detail/301
?? 宣告：著作權所有，轉載請聯系平臺與作者并注明出處
?? 收藏ShowMeAI查看更多精彩內容

因為疫情，2年多的時間里，大家多了很多居家的經歷，但是運動健康并不能因為居家而停止，健身隨時隨處可以進行！健身環大冒險等大熱，而前陣子的劉畊宏跳操，帶火了一大票畊宏男孩女孩，可穿戴設備市場大漲，而這些設備也記錄了大量的運動資料，

現在有非常多的運動穿戴設備，比如簡單的小米手環，到fitbit，到apple watch，而資料科學領域的從業者們，我們眾多的資料分析師和資料科學家，可以輕松分析健身設備上收集的資料，把資料科學和醫療保健結合起來，

在本篇內容中，ShowMeAI就基于 fitbit 手環記錄的一部分資料，講解如何進行有效的資料分析，本次使用的資料集可以在 Kaggle 平臺 上免費下載，大家也可以通過ShowMeAI的網盤直接下載，

?? 實戰資料集下載（百度網盤）：公眾號『ShowMeAI研究中心』回復『實戰』，或者點擊這里獲取本文 [12] 運動手環的資料分析挖掘與建模案例『Fitabase 運動佩戴設備資料集』

? ShowMeAI官方GitHub：https://github.com/ShowMeAI-Hub

本篇內容涉及的工具庫，大家可以參考ShowMeAI制作的工具庫速查表和教程進行學習和快速使用，

??資料科學工具庫速查表 | Pandas 速查表

??圖解資料分析：從入門到精通系列教程

?? 資料匯入

我們先匯入所需工具庫，并讀取資料：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import plotly.express as px
import plotly.graph_objects as go

# 讀取資料
data = https://www.cnblogs.com/showmeai/p/pd.read_csv('dailyActivity_merged.csv')
print(data.head())

該資料集由2016年12月3日-2016年12月5日期間通過亞馬遜Mechanical Turk進行的分布式調查的受訪者產生，30名符合條件的Fitbit用戶同意提交個人追蹤器資料，包括身體活動、心率和睡眠監測的分鐘級輸出，個人報告可以通過輸出會話ID（A列）或時間戳（B列）進行決議，輸出結果之間的差異代表了不同型別的Fitbit追蹤器的使用和個人追蹤行為/偏好，

?? 初步分析

我們先看看這個資料集的缺失值情況：

data.isnull().sum()

我們可以通過info和describe查看資料基本資訊，

data.info()

我們在資料中看到記錄時間的欄位ActivityDate，我們把它轉換為時間型，以便進行后續進一步分析，

# 更改 ActivityDate 的資料型別， 
data["ActivityDate"] = pd.to_datetime(data["ActivityDate"], format="%m/%d/%Y")

我們從欄位名稱中可以看到，有記錄『非常活躍』、『相當活躍』、『輕度活躍』和『久坐』的時間資訊，分別是VeryActiveMinutes、FairlyActiveMinutes、LightlyActiveMinutes、SedentaryMinutes，我們對所有時間做一個匯總，

data["TotalMinutes"] = data["VeryActiveMinutes"] + data["FairlyActiveMinutes"] + data["LightlyActiveMinutes"] + data["SedentaryMinutes"]
data["TotalMinutes"].sample(5)

我們通過describe函式查看一下資料集的描述性統計資料，

data.describe()

?? EDA 探索性資料分析

資料集中的“卡路里”列記錄了每天燃燒多少卡路里，我們基于它做一點分析，

# 研究一下每日總步數和消耗的卡路里之間的聯系， 
figure = px.scatter(data_frame = data, x="Calories",
                    y="TotalSteps", size="VeryActiveMinutes", 
                    trendline="ols", 
                    title="總步數和消耗的卡路里的關系")
figure.show()

從上圖可以看出，每日熱量消耗與所采取的總步數之間存在直接關聯，同樣的思路我們分析一下總路程和消耗卡路里的關系：

# 研究一下每日總路程和消耗的卡路里之間的聯系， 
figure = px.scatter(data_frame = data.dropna(), x="Calories",
                    y="TotalDistance", size="VeryActiveMinutes", 
                    trendline="lowess", color='TotalSteps',
                    title="總路程和消耗的卡路里的關系")
figure.show()

上圖可以看到，總路程和卡路里之間也是正相關的關系，下面讓我們分析一下一天中的平均總活躍分鐘數，

label = ["Very Active Minutes", "Fairly Active Minutes", "Lightly Active Minutes", "Inactive Minutes"]
counts = data[["VeryActiveMinutes", "FairlyActiveMinutes", "LightlyActiveMinutes", "SedentaryMinutes"]].mean()
colors = ["gold","lightgreen", "pink", "blue"]

fig = go.Figure(data=https://www.cnblogs.com/showmeai/p/[go.Pie(labels=label, values=counts)])
fig.update_layout(title_text="總活動時間")
fig.update_traces(hoverinfo="label+percent", textinfo="value", textfont_size=24, marker=dict(colors=colors, line=dict(color="black", width=3)))
fig.show()

一些觀察結論：

81.3% 的非活動分鐘數
15.8% 的輕度活動分鐘數
平均21 分鐘（1.74%）非常活躍
評價13 分鐘（1.11%）的相當活躍的分鐘數

下面我們展開做一點更詳細的分析，我們先抽取更細化的資訊，我們添加一個新欄位“Day”記錄星期幾，

data["Day"] = data["ActivityDate"].dt.day_name()
data["Day"].head()

下面我們可視化對比一下一周中每一天的『非常活躍』、『相當活躍』和『輕度活躍』的分鐘數，

fig = go.Figure()

fig.add_trace(go.Bar(
                         x=data["Day"],
                         y=data["VeryActiveMinutes"],
                         name="Very Active",
                         marker_color="purple"
                        ))

fig.add_trace(go.Bar(
                         x=data["Day"],
                         y=data["FairlyActiveMinutes"],
                         name="Fairly Active",
                         marker_color="green"
                        ))

fig.add_trace(go.Bar(
                         x=data["Day"],
                         y=data["LightlyActiveMinutes"],
                         name="Lightly Active",
                         marker_color="pink"
                        ))

fig.update_layout(barmode="group", xaxis_tickangle=-45)

fig.show()

讓我們看看一周中每一天的非活動分鐘數，

day = data["Day"].value_counts()
label = day.index
counts = data["SedentaryMinutes"]

colors = ['gold','lightgreen', "pink", "blue", "skyblue", "cyan", "orange"]
fig = go.Figure(data=https://www.cnblogs.com/showmeai/p/[go.Pie(labels=label, values=counts)])

fig.update_layout(title_text='Inactive Minutes Daily')
fig.update_traces(hoverinfo='label+percent', textinfo='value', textfont_size=30,
                  marker=dict(colors=colors, line=dict(color='black', width=3)))
fig.show()

從這份資料看來，星期四是大家最不活躍的一天，下面我們來看看一周中每一天燃燒的卡路里數，

calories = data["Day"].value_counts()
label = calories.index
counts = data["Calories"]

colors = ['gold','lightgreen', "pink", "blue", "skyblue", "cyan", "orange"]
fig = go.Figure(data=https://www.cnblogs.com/showmeai/p/[go.Pie(labels=label, values=counts)])

fig.update_layout(title_text='Calories Burned Daily')
fig.update_traces(hoverinfo='label+percent', textinfo='value', textfont_size=30, marker=dict(colors=colors, line=dict(color='black', width=3)))
fig.show()

從上圖可以看出，星期二是這份資料集中的用戶最活躍的日子之一，這一天燃燒的卡路里最多，下面我們分析一下每日步數：

import seaborn as sns
sns.set(rc={'figure.figsize':(8,6)})
activity_by_week_day = sns.barplot(x="Day", y="TotalSteps", data=https://www.cnblogs.com/showmeai/p/data, 
                                   order=['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday'], 
                                   capsize=.2)

?? 每日消耗卡路里預估

下面我們搭建一個模型，對于每日消耗的卡路里進行建模預估，

本部分涉及到的模型知識與建模操作方法，參見ShowMeAI以下部分教程：

??圖解機器學習演算法：從入門到精通系列教程

??機器學習實戰：手把手教你玩轉機器學習系列

我們剔除ID類特征和日期特征，把『Calories』作為目標，把其他欄位作為特征，注意其中的『星期幾/Day』欄位是類別型，我們要單獨編碼一下，

features = ['TotalSteps', 'TotalDistance', 'TrackerDistance', 'LoggedActivitiesDistance', 'VeryActiveDistance', 'ModeratelyActiveDistance', 'LightActiveDistance', 'SedentaryActiveDistance', 'VeryActiveMinutes', 'FairlyActiveMinutes', 'LightlyActiveMinutes', 'SedentaryMinutes', 'TotalMinutes', 'Day']
target = 'Calories'

# 資料切分
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(data[features], data[target], test_size=0.2, random_state=0)

# 使用lightgbm訓練
from lightgbm import LGBMRegressor
lgbm = LGBMRegressor(n_estimators=1000, learning_rate=0.05, random_state=0)

# 「星期幾」欄位編碼
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
X_train['Day'] = le.fit_transform(X_train['Day'])
X_test['Day'] = le.transform(X_test['Day'])

# 擬合模型
lgbm.fit(X_train, y_train)

# 測驗集預估
predictions = lgbm.predict(X_test)

# 計算測驗集RMSE
from sklearn.metrics import mean_squared_error
rmse = np.sqrt(mean_squared_error(y_test, predictions))
print("RMSE: %f" % (rmse))

運行得到結果為RMSE: 373.128953

為了更準確地進行建模和評估，我們使用網格搜索交叉驗證進行超引數優化：

# 使用網格搜索對lightgbm模型進行超引數調優
from sklearn.model_selection import GridSearchCV
parameters = {
                'learning_rate': [0.02, 0.05, 0.08, 0.1],
                'max_depth': [5, 7, 10],
                'feature_fraction': [0.6, 0.8, 0.9],
                'subsample': [0.6, 0.8, 0.9],
                'n_estimators': [100, 200, 500, 1000]}

# 網格搜索
grid_search = GridSearchCV(lgbm, parameters, cv=5, n_jobs=-1, verbose=1)

# 最佳模型
grid_search.fit(X_train, y_train)
best_lgbm = grid_search.best_estimator_
# 輸出最佳超引數
print(grid_search.best_params_)
# 測驗集預估
predictions = best_lgbm.predict(X_test)
# 計算RMSE
from sklearn.metrics import mean_squared_error
rmse = np.sqrt(mean_squared_error(y_test, predictions))
print("RMSE: %f" % (rmse))

最終結果輸出

{'feature_fraction': 0.6, 'learning_rate': 0.05, 'max_depth': 5, 'n_estimators': 1000, 'subsample': 0.6}
RMSE: 352.782209

我們可以看到，調參后的模型在測驗集上表現更優，最后我們輸出一下特征重要度，看看那些因素對于卡路里消耗更加重要：

#繪制特征重要度
import matplotlib.pyplot as plt
plt.figure(figsize=(20,10))
importance = best_lgbm.feature_importances_
feature_importance = pd.DataFrame({'feature': features, 'importance': importance})
feature_importance = feature_importance.sort_values('importance', ascending=True)
feature_importance.plot.barh(x='feature', y='importance', figsize=(20,10))

可以看到，每日總步數對結果影響最大，大家要多多抬腿多多運動！

參考資料

?? 實戰資料集下載（百度網盤）：公眾號『ShowMeAI研究中心』回復『實戰』，或者點擊這里獲取本文 [12] 運動手環的資料分析挖掘與建模案例『Fitabase 運動佩戴設備資料集』
? ShowMeAI官方GitHub：https://github.com/ShowMeAI-Hub
??資料科學工具庫速查表 | Pandas 速查表 https://www.showmeai.tech/article-detail/101
?? 圖解資料分析：從入門到精通系列教程 https://www.showmeai.tech/tutorials/33
?? 圖解機器學習演算法：從入門到精通系列教程 https://www.showmeai.tech/tutorials/34
?? 機器學習實戰：手把手教你玩轉機器學習系列 https://www.showmeai.tech/tutorials/41

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/501918.html

標籤：其他

上一篇：[筆記]淺談分塊

下一篇：HCIA學習筆記十七：Trunk介面

劉畊宏男孩女孩看過來！運動資料分析挖掘！?

?? 資料匯入

?? 初步分析

?? EDA 探索性資料分析

?? 每日消耗卡路里預估

參考資料