機(jī)器學(xué)習(xí)模塊在研究中國老年人摔倒因素中的應(yīng)用

文/馬若炎 劉子樺

1 數(shù)據(jù)搜集和來源

本數(shù)據(jù)來源于?zdemir, AhmetTuran, Billur Barsha三位瑞士研究人員所公布的針對(duì)于中國老年人所做的相關(guān)摔倒實(shí)驗(yàn)的具體數(shù)據(jù)。

2 數(shù)據(jù)集數(shù)據(jù)呈現(xiàn)

2.1 基本數(shù)據(jù)描述

本數(shù)據(jù)集包含16832條數(shù)據(jù)，七個(gè)變量值，分別為：ACTIVITY（摔倒次數(shù)）、TIME（測試者測試時(shí)間）、SL（血糖值）、EEG（EEG檢測時(shí)間）、BP（血壓值）、HR（心跳頻率）、CIRCULATION（血液循環(huán)速率）。

2.2 原始數(shù)據(jù)處理和去噪

因變量處理：針對(duì)于數(shù)據(jù)集ACTIVITY和TIME列，在實(shí)驗(yàn)中不同的測試者檢測時(shí)間是不同的，而為了保證因變量值數(shù)的統(tǒng)一性，我們運(yùn)用如下的計(jì)算公式進(jìn)行數(shù)據(jù)統(tǒng)一：

進(jìn)而進(jìn)一步得到不同用戶在每一小時(shí)內(nèi)摔倒的次數(shù)，同時(shí)生成新的因變量值列ADJUST_FALL并取代ACTIVITY和TIME值列。

數(shù)據(jù)去噪：由于python進(jìn)行機(jī)器學(xué)習(xí)時(shí)是無法識(shí)別num值（空值），所以需要再通過fal_data=fal_data.dropna(axis=0)方法去噪。

3 因變量與自變量相關(guān)性分析

3.1 定性相關(guān)性分析

通過依次畫出HR、SL、BP、CIRCULATION、EEG五個(gè)變量對(duì)于因變量ADJUST_FALL的殘差圖，我們發(fā)現(xiàn)HR、SL、BP、CIRULATION四個(gè)變量均與ADJUST_FALL呈現(xiàn)出反比例函數(shù)的趨勢，同時(shí)從形態(tài)上初步可以看出他們之間的關(guān)系可能符合如下式：

EEG變量從形態(tài)上來看可能與因變量ADJUST_FALL之間存在正比例函數(shù)關(guān)系，同時(shí)更有可能是值數(shù)函數(shù)關(guān)系，如下所示：

由于明顯存在的正、反比例關(guān)系，可以進(jìn)一步進(jìn)行圖形上的線性擬合嘗試，實(shí)現(xiàn)方法是運(yùn)用seaborn庫的sns.pairplot(x=,y=,kind=re g,respect=0.8)命令行，生成相應(yīng)的擬合直線，但是從圖中來看單純的線性回歸很可能并不能做到較佳的擬合，相比而言取過對(duì)數(shù)后的變量可能更適合進(jìn)行線性回歸。

3.2 定量相關(guān)性分析

定性的分析之后，雖然數(shù)據(jù)可能存在強(qiáng)相關(guān)性，但仍需要通過相關(guān)性數(shù)值的計(jì)算才能夠下定論，數(shù)值計(jì)算采用的是簡單相關(guān)系數(shù)，在程序中，需調(diào)用的是cor_box = fall_data.corr()方法，生成簡單相關(guān)系數(shù)表。

根據(jù)一般情況：簡單相關(guān)系數(shù)0～0.3呈弱相關(guān)、0.3～0.6呈中等程度相關(guān)、0.6～1呈強(qiáng)相關(guān)，由以上數(shù)據(jù)可知，SL、HR、CIRCULATION與因變量ADJUST_FALL呈現(xiàn)強(qiáng)相關(guān)性，BP則與之呈現(xiàn)弱相關(guān)性，而EEG相關(guān)性極弱則可以考慮剔除。

不過從散點(diǎn)圖來看，數(shù)據(jù)間可能存在反比例關(guān)系的可能性，所以可以嘗試將取對(duì)數(shù)后再進(jìn)行變量擬合。

經(jīng)處理后，所有自變量調(diào)整過后于調(diào)整過后的因變量的簡單相關(guān)系數(shù)都有了比較大的提高，除了BP之外其他所有的自變量已經(jīng)達(dá)到了強(qiáng)相關(guān)水平，說明取對(duì)數(shù)后的自變量和取對(duì)數(shù)后的因變量有著極強(qiáng)的線性關(guān)系，后期的多元線性回歸可以按照取對(duì)數(shù)后的數(shù)據(jù)進(jìn)行。

4 運(yùn)用sklearn訓(xùn)練模塊進(jìn)行的多元線性回歸

4.1 sklearn機(jī)器學(xué)習(xí)模塊簡介

sklearn對(duì)一些常用的機(jī)器學(xué)習(xí)方法進(jìn)行了封裝，只需要簡單的調(diào)用sklearn里的模塊就可以實(shí)現(xiàn)大多數(shù)機(jī)器學(xué)習(xí)任務(wù)。

圖1：預(yù)測集和測試集曲線圖

機(jī)器學(xué)習(xí)任務(wù)通常包括分類（Classification）和回歸（Regression），常用的分類器包括SVM、KNN、貝葉斯、線性回歸、邏輯回歸、決策樹、隨機(jī)森林、xgboost、GBDT、boosting、神經(jīng)網(wǎng)絡(luò)NN。

4.2 運(yùn)用sklearn機(jī)器學(xué)習(xí)方法進(jìn)行線性回歸的基本步驟

第一步：調(diào)用sklearn的LinearRegression()函數(shù)進(jìn)行多元線性回歸，同時(shí)運(yùn)用fit函數(shù)進(jìn)行訓(xùn)練，輸出a（截距）、b（系數(shù)）。

第二步：輸出測試集所針對(duì)的score值針對(duì)的測試集，并將score值賦值給y_predict。

第三步：不斷調(diào)整訓(xùn)練集的參數(shù)設(shè)置，使得最終的參數(shù)達(dá)到一個(gè)合理的值數(shù)。最終調(diào)整過后的train_size為11000。

4.2.1 預(yù)測方程的推導(dǎo)

最終得出的預(yù)測方程是取對(duì)數(shù)后的方程，我們還需要將其進(jìn)行還原得到的自變量和因變量真正意義上的擬合方程：推到公式如下：

（1）得到的原始方程為：y'=k1x1'+k2x2'+k3x3'+k4x4'+b(y'、x1'、x2'、x3'、x4'分別為取過對(duì)數(shù)的自變量和因變量)

（2）兩邊同時(shí)還原得到：

（3）帶入線性擬合后的相關(guān)參數(shù)k1=-0.579, k2=0.0316, k3=-0.632, k4=0.679, b=4.270得到最終的回歸方程為：

4.2.2 預(yù)測方程的檢驗(yàn)

采用的是運(yùn)用ROC二分類曲線檢驗(yàn)的方式進(jìn)行擬合函數(shù)診斷檢驗(yàn)，終的預(yù)測模型已經(jīng)能夠達(dá)到較好的反應(yīng)真實(shí)值的水平。