Machine_Learning_In_Obesity/Machine_Learning_BMI_data.py at master · ayan1c2/Machine_Learning_In_Obesity · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
# -*- coding: utf-8 -*-
"""
Created on Mon Mar  2 18:13:27 2020

@author: ayanca
"""

################################################################################################################################################
#load library
import warnings
import numpy as np
import pandas as pd
from ML_methods import *
from normality_test import *
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import train_test_split

################################################################################################################################################
#load data
path = r"C:\Users\ayanca\.spyder-py3\obesity_paper_1\BMI\BMI_Person_Gender_Height_Weight_Index.csv"
headernames = ['Gender', 'Height', 'Weight', 'Index']
#coln_binary = ['Gender', 'Height', 'Weight', 'BMI', 'Index','Risk'] #for binary classification
coln = ['Gender', 'Height', 'Weight', 'BMI', 'Index'] #for multiclass classification
feature_cols = ['Gender', 'Height', 'Weight', 'BMI']
data = pd.read_csv(path, na_values="?", low_memory=False)

warnings.filterwarnings('ignore')
np.seterr(divide = 'ignore')
np.seterr(all = 'ignore')

################################################################################################################################################
#encoding
lb_make = LabelEncoder()
data["Gender"] = lb_make.fit_transform(data["Gender"])

#check if missing value (cleaning)
data = remove_missing(data)
#print (pd.unique(data["Index"]))

#check distribution of data
print ("Whole data distribution: ",shapiro_normality_test(data))

for (columnName, columnData) in data.iteritems():
   print('Colunm Name : ', columnName)
   print('Column distribution : ', shapiro_normality_test(columnData.values))
################################################################################################################################################
#display data
data_visualize(data, headernames)
check_feature(data)

data['Status'] = data.apply(convert_status_to_description, axis=1)
print (data.head(10))
data = data.drop(['Status'], axis=1)

data['BMI'] = data.apply(calulate_bmi, axis=1)
data = data[coln]

#For binary classification
#data['Risk'] = data.apply(calculate_risk, axis=1)
#data = data[coln_binary]

#data.to_csv(r'export_dataframe.csv', index = False, header=True)

data_visualize(data, headernames)

corr_sort = find_feature_reduced_matrix(data.corr())
print ("Strong dependency,", corr_sort)

to_drop = find_feature_reduced_matrix(data.corr())
print ("Remove dependency,", to_drop)
data.drop(to_drop, axis=1, inplace=True)

print (data.columns)

features = data.shape[1]-1
print (data.head(10))
################################################################################################################################################
data = data.values
data = np.array(data, dtype = float)

#############column selection based on p-value###############
selected_columns = data

#for multiclass classification only, comment it for binary classification
import statsmodels.api as sm
def backwardElimination(x, Y, sl, columns):
    numVars = len(x[0])
    for i in range(0, numVars):
        regressor_OLS = sm.OLS(Y, x).fit()
        maxVar = max(regressor_OLS.pvalues).astype(float)
        if maxVar > sl:
            for j in range(0, numVars - i):
                if (regressor_OLS.pvalues[j].astype(float) == maxVar):
                    x = np.delete(x, j, 1)
                    columns = np.delete(columns, j)

    regressor_OLS.summary()
    return x, columns
p_val = 0.05
data_modeled, selected_columns = backwardElimination(data[:, :features], data[:,features], p_val, selected_columns)
#print (data_modeled)

##########################ends###############################

#shuffle data
np.random.shuffle(selected_columns)
print ("Data shape after shuffling:", selected_columns.shape)

################################################################################################################################################
#ML-Data Ready

fold = 5
X, y = selected_columns[:, :features], selected_columns[:,features]
#print (X,y)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.2, random_state=33)

################################################################################################################################################
#ML-SVM
print ("SVM............linear........")
svm_linear_accuracy(X_train, X_test, y_train, y_test, fold)

################################################################################################################################################
#ML-SVM
#print ("SVM............rbf........")
#svm_nonlinear_accuracy(X_train, X_test, y_train, y_test, fold)

################################################################################################################################################
#ML-NB
#print ("NB..........GNB..........")
#NB_accuracy_gaussian(X_train, X_test, y_train, y_test, fold)

################################################################################################################################################
#ML-NB
#print ("NB..........BNB..........")
#NB_accuracy_barnoulli(X_train, X_test, y_train, y_test, fold)

################################################################################################################################################
#ML-NB
#print ("NB..........MNB..........")
#NB_accuracy_complement(X_train, X_test, y_train, y_test, fold)

################################################################################################################################################
#ML-KNN
#print ("KNN.......................")
#knn_accuracy(X_train, X_test, y_train, y_test, fold)

################################################################################################################################################
#ML-DT-gini
#print ("DT.......gini.............")
#DT_gini_accuracy(X_train, X_test, y_train, y_test, feature_cols, fold)

################################################################################################################################################
#ML-DT-entropy
#print ("DT.......entropy.............")
#DT_entropy_accuracy(X_train, X_test, y_train, y_test, feature_cols, fold)

################################################################################################################################################
#ML-RF
#print ("RF....................")
#RF_accuracy(X_train, X_test, y_train, y_test, feature_cols, fold)

################################################################################################################################################
#ML-Ensemble-1
#print ("automatic_workflow........pipeline......LinearDiscriminantAnalysis......")
#automatic_workflow_lda(X_train, X_test, y_train, y_test, fold)

#####################################################multi-class classification###############################################################
#ML-compare multi-class classification
print ("Compare Machine Learning Algorithms Consistently....................")
print ("5 fold cross validation...")
#ensemble_all_general(X, y, fold = 5)
plot_ml_model(X, y, fold = 5)

#print ("10 fold cross validation...")
#ensemble_all_general(X, y, fold = 10)
#plot_ml_model(X, y, fold = 10)

print("Grid search fold=5")
grid_search(X,y,fold=5)
#print("Grid search fold=10")
#grid_search(X,y,fold=10)
################################################################################################################################################
#ML-compare
#print ("Voting Ensemble Algorithms....................")
#ensemble_voting_classifier(X_train, X_test, y_train, y_test, fold)

################################################################################################################################################
#ML-Parameter tuning
#print ("Grid Search....................")
#grid_search(X_train, X_test, y_train, y_test, fold)

#######################################################binary classification#########################################################
#binary classification
#ML-compare
#print ("Compare Machine Learning Algorithms Consistently....................")
#print ("5 fold cross validation...")
#ensemble_all_general(X, y, fold = 5)
#plot_ml_model(X, y, fold = 5) #SVM, DTree,RF are the best models

#calibration_model_compare (X_train, y_train, X_test, y_test)
#calibration(X_train, y_train, X_test, y_test,SVC(kernel='linear'),"SVC",2)
#from sklearn.tree import DecisionTreeClassifier
#calibration(X_train, y_train, X_test, y_test,DecisionTreeClassifier(),"DTree",2)