の続きです。今回は 探索的データ分析: EDA (Exploratory Data Analysis) という作業をしていきます。このデータの目的は、obesity の7つのカテゴリーを予測する、ということですから、obesity と他の変数の関係性を調べようと思います。
obesity と Gender: 性別の関係を見ます。
obesity, Gender ともにカテゴリカル変数なので、棒グラフで頻度をグラフにします。
Obesity_Type_II は、ほとんど男性、Obesity_TYpe_III は、ほとんど女性だとわかります。
また、obesity のタイプ別の数は、だいたい同じだということもわかります。
次は、obesity と Age: 年齢 です。Age は数値データなので、箱ひげ図にしてみます。
Age の平均値が高い obesity のタイプが一番上にくるように reorder() 関数を使っています。Insufficient_Weight が一番若いです。若い人は痩せている人が多いですね。
次は obesity と Height: 身長です。これも Age と同じく箱ひげ図を描きます。
Obesity_Type_II の身長が突出しています。これは、Obesity_Type_II がほとんど男性だからだと思います。
次は、obesity と Weight]: 体重です。
体重は明らかに obesity のタイプと関係していますね。というか体重と身長を基にして obesity のタイプを分類しているのかもしれません。実際に分類モデルを作るときは、Weight と Height は除いて分類モデルを作ることにします。
今回はここまでにして、残りの変数は次回以降にやろうと思います。
次回は
です。
はじめから読むには、
です。
今回のコードは以下になります。
#
# EDA (Exploratory Data Analysis)]
#
# obesity と Gender
df |>
ggplot(aes(x = obesity, fill = Gender)) +
geom_bar() +
theme_minimal()
#
# obesity と Age
df |>
mutate(obesity = reorder(obesity, Age)) |>
ggplot(aes(x = Age, y = obesity, group = obesity)) +
geom_boxplot(aes(fill = obesity)) +
theme_minimal() +
theme(legend.position = "none")
#
# obesity と Height
df |>
mutate(obesity = reorder(obesity, Height)) |>
ggplot(aes(x = Height, y = obesity, group = obesity)) +
geom_boxplot(aes(fill = obesity)) +
theme_minimal() +
theme(legend.position = "none")
#
# obesity と Weight
df |>
mutate(obesity = reorder(obesity, Weight)) |>
ggplot(aes(x = Weight, y = obesity, group = obesity)) +
geom_boxplot(aes(fill = obesity)) +
theme_minimal() +
theme(legend.position = "none")
#
(冒頭の画像は、Bing Image Creator で生成しました。プロンプトは Landscape of natural wildness grass field, allover covering yellow Garbera flowers, photo です。)
