15 演習

15.1 データセットの説明

糖尿病データセットでは，442人の糖尿病患者の年齢，性別，体重指数（BMI），血圧などの情報と，1年後の病状の進行度を示す数値が含まれている．年齢，性別，BMIなどは説明変数で，1年後の病状の進行度が目的変数である．また，説明変数は標準化されている．

sex は 2 種類の値のみを取る二値の特徴量である．load_diabetes() が返すデータは標準化されているため，元データの 1 と 2 はそれぞれ -0.0446 と 0.0507 に変換されている．

下記のコードは，糖尿病データセットを読み込み，年齢を X，目的変数を y に代入している．

from sklearn.datasets import load_diabetes

# 糖尿病データセットの読み込み
diabetes = load_diabetes(as_frame=True)

X = diabetes.data["age"]
y = diabetes.target

plt.savefig("scatter.png") を実行すると，散布図が scatter.png というファイル名で保存される．

import matplotlib.pyplot as plt

plt.scatter(X, y)
plt.savefig("scatter.png")  # 散布図を保存

X を1次元配列に変換するには，以下のコードを実行する．

import numpy as np

X = X.to_numpy().reshape(-1)

糖尿病データセットを用いて，以下の問いに答えよ．（説明変数は標準化されていることに注意せよ．）

年齢とBMIの相関係数を計算せよ．
年齢と血圧の散布図を描け．
血圧を説明変数，1年後の病状の進行度を目的変数として，回帰モデルを構築し，回帰直線とデータの散布図を描け．
age，bmi，bp，s1，s2，s3，s4，s5，s6 を説明変数，1年後の病状の進行度を目的変数として，重回帰モデルを構築し，各説明変数の回帰係数を表示せよ．
1〜4 の結果を踏まえて，500字程度で考察せよ．追加の分析や可視化を行ってもよい．
1. 例えば，どの説明変数が目的変数に強い影響を与えているか．
2. どの変数が他の変数と強い相関を持っているか．
3. どのような人が病状の進行が早い傾向にあるか．