04-01-性别分类分析项目概述 -

项目背景|项目概述|学习目标|任务实施步骤性别

分类分析【数据挖掘应用】01101111011010111101010000101101010100111101背景先导项目概述项目学习目标任务实施步骤01Background02BriefIntroduction03LearningObjectives04ImplementationSteps主要内容性

别一个囊括了生物、社会、心理等学科的综合概念生理性别：性别指基于人类的男性、女性等，动物的雌、雄、雌雄同体等生物特征的解剖学上的身体差异社会性别：基于女性气质、男性气质，或者非二元气质的性别角色划分性别认知0110111101101011110101111001001001011010101001001111010010110010111011010110100111101性别平等如何看待性别不平等、性别刻板印象和偏见带来的负面影响以及如何建立基于性别平等的关系性别的社会属性社会性别主要是指自身所在的生存环境对其性别的认定，包括家人、朋友、周围群体、社会机构和法律机关的认定等，是生物基本的社会属性之一，主要体现在性别角色上，是一种文化构成物，不仅因时间而异，而且因民族地域而异，是一种特定的社会构成。性别不平等现象十分复杂，是渗透在社会文化生活的方方面面。《中华人民共和国宪法》（2018修正）、《中华人民共和国民法典》（2020）、《中华人民共和国全国人民代表大会及地方各级人民代表大会选举法》（2015修正）、《中华人民共和国妇女权益保障法》（2018修正）等都明确认可了性别平等，禁止性别歧视。中国18-44岁男性平均身高为169.7厘米，体重为69.6公斤。男性

中国18-44岁女性平均身高为158厘米，体重为59公斤。女性中国性别数据性别上的生理差异项目总体要求

性别分类分析

本项目将基于“hw.csv”文件中的年龄、身高、体重和性别等数据做性别判定应用，并进一步完成肥胖程度分析。项目三维目标掌握机器学习、监督学习、分类的基本概念；

（阿里云大数据分析与应用中级5.1.1、5.1.2）掌握逻辑回归、朴素贝叶斯、决策树、支持向量机等分类分析方法及相关参数的意义；

（大数据技术工程人员国家职业标准高级6.2.2）进一步掌握数据分析与挖掘的流程，加深对模型建立与分析过程的理解；进一步掌握数据分析与挖掘常用包的使用；掌握模型评估报告的生成方法并理解各具体指标的含义。知识目标能力目标素质目标证岗项目三维目标会使用sklearn中的算法LogisticRegression、GaussianNB、DecisionTreeClassifier、SVC等实现分类分析；

（阿里云大数据分析与应用中级5.3.2）会调整分类模型的参数实现分类效果的优化；

（大数据技术工程人员国家职业标准初级6.3.3）会使用散点图、折线图展现不同因素间的关系。知识目标能力目标素质目标岗证011011110110101111010111100100001011010101001111101项目三维目标尊重两性差异，结合“三观”教育促进学生自由、全面和谐发展；帮助两性建立性别自信和完善人格，提供更宽广的社会角色发展方向和职业规划；引入行业名人事迹，通过榜样力量激发科技报国之心。能力目标素质目标知识目标011011110110101111010111100100001011010101001111101项目背景知识

监督学习（SupervisedLearning）监督学习是机器学习的一种类型，其中模型通过学习输入到输出的映射来进行训练。在监督学习中，我们有一个由标签或已知结果的数据集进行训练。这个训练数据集包含输入数据和相应的正确输出。模型通过学习这些示例来预测新的、未知的数据。监督学习(SupervisedLearning)非监督学习(UnsupervisedLearning)数据要求需要带标签的训练数据(X+y)仅需特征数据(X)目标导向预测已知的特定目标变量发现数据内在结构/模式反馈机制有明确的正误反馈(通过标签验证)无明确评价标准项目背景知识

逻辑回归逻辑回归虽然叫回归，但实际上属于分类算法，常用于二分类的任务。当然逻辑回归也可以用于多分类，这就需要加上其它的方法。至于逻辑回归是怎么解决分类问题，实质上是把样本特征和样本发生的概率联系起来。

项目背景知识

朴素贝叶斯该算法最基本的原理是基于贝叶斯定理的，称为朴素是因为该算法成立的前提是特征之间必须得是独立的。我们假设：目前的全集是一个小学的小学一年级学生。这个小学一年级一共100人，其中穿白袜子的有30人。男生的人数一共有30人，这30个人里面，有5个是穿白袜子的。那么请问，穿白袜子的人是男生的概率为多少？

项目背景知识

决策树该算法根据数据的特征进行逐层划分直到划分完所有的特征，这一过程类似于树叶生长过程。该算法常用于分类和回归问题，解释性强。项目背景知识

支持向量机该算法目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化（即数据集的边缘点到分界线的距离d最大，如下图），最终转化为一个凸二次规划问题来求解。线性不可分问题二维空间升至三维空间实现线性可分性别分类分析任务流程数据获取数据解析分类分析模型评估与应用明确目标基于采集的年龄、身高、体重和性别等数据做性别判定应用，并进一步完成肥胖程度分析。数据获取数据解析分类分析模型评估与应用明确目标从本地文件hw.csv中读取身高、体重等原始数据。性别分类分析任务流程数据获取数据解析分类分析模型评估与应用明确目标1.标签映射：性别项F代表女，M代表男。为了分析数据，需将两者分别映射为1和0性别分类分析任务流程数据获取数据解析分类分析模型评估与应用明确目标使用逻辑回归实现性别分类使用朴素贝叶斯实现性别分类使用决策树实现性别分类使用支持向量机实现性别分类使用支持向量机实现肥胖分类性别分类