构建预测睡眠质量模型：相关性分析、多变量分析和聚类分析

构建预测睡眠质量模型：相关性分析、多变量分析和聚类分析

引用

CSDN

1.

https://blog.csdn.net/2301_80651329/article/details/142497923

本文将介绍如何构建一个预测睡眠质量的模型。通过相关性分析、多变量分析和聚类分析，我们可以更好地理解影响睡眠质量的各种因素，并使用线性回归模型进行预测。

数据集说明

本数据集目的是探究不同因素是如何影响睡眠质量和整体健康的。数据集包含以下字段：

• Heart Rate Variability：心率变异性（心跳时间间隔的模拟变化）
• Body Temperature：体温（以摄氏度为单位的人工生成体温）
• Movement During Sleep：睡眠期间活动（睡眠时活动量的合成数据）
• Sleep Duration Hours：睡眠时长（模拟生成的总睡眠小时数）
• Sleep Quality Score：睡眠质量评分（代表睡眠质量的合成评分）
• Caffeine Intake (mg)：咖啡因摄入量（毫克）（以毫克为单位的模拟咖啡因摄入量）
• Stress Level：压力水平（压力水平的模拟指数）
• Bedtime Consistency：睡眠规律性（睡眠时间一致性的模拟值；范围 0-1，数值越低表示规律性越差）
• Light Exposure Hours：日间光照时长（白天接触到光照的时长）

相关性分析

首先进行相关性分析，以探索这些变量之间的关联，特别是与睡眠质量评分(Sleep_Quality_Score)的关系。

import pandas as pd
file_path = 'wearable_tech_sleep_quality.csv'
data = pd.read_csv(file_path)
correlation_matrix = data.corr()
correlation_matrix

相关性分析结果：

• 睡眠质量评分（Sleep_Quality_Score）与其他变量的相关性普遍较弱。其中，与咖啡因摄入量（Caffeine_Intake_mg）的相关性最强，为-0.722，表明咖啡因摄入量与睡眠质量评分呈负相关。
• 其他变量之间的相关性也普遍不强，但有一些值得注意的关联，例如心率变异性（Heart_Rate_Variability）与就寝时间一致性（Bedtime_Consistency）之间的相关性为0.048，以及睡眠期间的运动（Movement_During_Sleep）与就寝时间一致性（Bedtime_Consistency）之间的相关性为-0.039。

多变量分析

使用多元线性回归来探究多个变量如何共同影响睡眠质量评分。

from sklearn.linear_model import LinearRegression
import numpy as np
X = data.drop('Sleep_Quality_Score', axis=1)
y = data['Sleep_Quality_Score'] 
model = LinearRegression()
model.fit(X, y)
coefficients = model.coef_
coefficients_df = pd.DataFrame(coefficients, X.columns, columns=['Coefficient'])
coefficients_df

多变量分析结果（多元线性回归）：

多元线性回归模型的系数如下：

• 心率变异性（Heart_Rate_Variability）：0.0036
• 体温（Body_Temperature）：-0.0107
• 睡眠期间的运动（Movement_During_Sleep）：-0.2030
• 睡眠时长（Sleep_Duration_Hours）：0.1324
• 咖啡因摄入量（Caffeine_Intake_mg）：-0.0229
• 压力水平（Stress_Level）：-0.0418
• 就寝时间一致性（Bedtime_Consistency）：-0.5801
• 光照暴露时间（Light_Exposure_hours）：0.0033

这些系数表明，每个变量对睡眠质量评分的相对影响。例如，就寝时间一致性（Bedtime_Consistency）的系数为-0.5801，这意味着就寝时间一致性每增加一个单位，睡眠质量评分预计会减少0.5801个单位。

聚类分析

使用KMeans算法进行聚类分析，以识别数据中的自然分组。

from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
wcss = []
for i in range(1, 11):
    kmeans = KMeans(n_clusters=i, init='k-means++', random_state=42)
    kmeans.fit(X)
    wcss.append(kmeans.inertia_)
plt.figure(figsize=(10, 5))
plt.plot(range(1, 11), wcss, marker='o', linestyle='--')
plt.title('Elbow Method to Find Optimal Number of Clusters')
plt.xlabel('Number of Clusters')
plt.ylabel('Within-Cluster Sum of Squares (WCSS)')
plt.grid(True)
plt.show()

使用肘部法则（Elbow Method）来确定最佳的聚类数。从图中可以看出，随着聚类数量的增加，组内平方和（WCSS）逐渐减小。理想的聚类数通常是在WCSS下降速度开始减缓的点。根据这个图表，我们可以选择2或3个聚类作为最佳数量。

现在，使用KMeans算法进行聚类分析，选择3个聚类作为例子，并展示每个聚类中心的特点。

kmeans = KMeans(n_clusters=3, init='k-means++', random_state=42)
clusters = kmeans.fit_predict(X)
cluster_centers = kmeans.cluster_centers_
cluster_centers_df = pd.DataFrame(cluster_centers, columns=X.columns)
cluster_centers_df['Cluster'] = ['Cluster 1', 'Cluster 2', 'Cluster 3']
cluster_centers_df = cluster_centers_df.set_index('Cluster')
cluster_centers_df.T    

聚类分析结果（KMeans，3个聚类）：

每个聚类中心的特点如下：

• Cluster 1：

• 心率变异性（Heart_Rate_Variability）：70.395

• 体温（Body_Temperature）：36.520

• 睡眠期间的运动（Movement_During_Sleep）：1.973

• 睡眠时长（Sleep_Duration_Hours）：7.494

• 咖啡因摄入量（Caffeine_Intake_mg）：46.825

• 压力水平（Stress_Level）：4.903

• 就寝时间一致性（Bedtime_Consistency）：0.493

• 光照暴露时间（Light_Exposure_hours）：8.006

• Cluster 2：

• 心率变异性（Heart_Rate_Variability）：70.387

• 体温（Body_Temperature）：36.563

• 睡眠期间的运动（Movement_During_Sleep）：2.033

• 睡眠时长（Sleep_Duration_Hours）：7.582

• 咖啡因摄入量（Caffeine_Intake_mg）：277.643

• 压力水平（Stress_Level）：5.007

• 就寝时间一致性（Bedtime_Consistency）：0.508

• 光照暴露时间（Light_Exposure_hours）：8.146

• Cluster 3：

• 心率变异性（Heart_Rate_Variability）：70.380

• 体温（Body_Temperature）：36.532

• 睡眠期间的运动（Movement_During_Sleep）：2.017

• 睡眠时长（Sleep_Duration_Hours）：7.396

• 咖啡因摄入量（Caffeine_Intake_mg）：157.392

• 压力水平（Stress_Level）：4.935

• 就寝时间一致性（Bedtime_Consistency）：0.511

• 光照暴露时间（Light_Exposure_hours）：8.001

这些聚类展示了数据中的自然分组，每个聚类都有其独特的特征。例如，Cluster 2的咖啡因摄入量显著高于其他两个聚类，这可能表明这个聚类中的个体可能有更高的咖啡因依赖性，这可能会影响他们的睡眠质量。

构建预测睡眠质量线性回归模型

首先，进行数据预处理，包括处理缺失值、异常值，以及特征选择。然后，选择适当的模型来构建预测睡眠质量的模型。考虑到数据的性质，选择线性回归模型，因为它简单且易于解释。接着，使用训练数据集来训练模型。最后，使用测试数据集来评估模型的性能。

from sklearn.model_selection import train_test_split
from sklearn.imputer import SimpleImputer
from sklearn.preprocessing import StandardScaler
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
imputer = SimpleImputer(strategy='mean')
X_train_imputed = imputer.fit_transform(X_train)
X_test_imputed = imputer.transform(X_test)
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train_imputed)
X_test_scaled = scaler.transform(X_test_imputed)

上述代码使用均值填充策略填充了训练集和测试集中的缺失值，并使用标准缩放方法对数据进行了标准化处理。下一步，选择线性回归模型来构建预测睡眠质量的模型，并使用训练数据集进行训练。

from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
model = LinearRegression()
model.fit(X_train_scaled, y_train)
y_pred = model.predict(X_test_scaled)
mse = mean_squared_error(y_test, y_pred)
mse

模型训练与评估结果：

已经使用线性回归模型训练了模型，并且模型已经拟合了训练数据。使用测试数据集评估模型的性能，得到的均方误差（MSE）为3.93。MSE是一个衡量模型预测准确性的指标，值越小表示模型预测越准确。总结来说，这个线性回归模型能够较好地预测睡眠质量。