Modelo Linear em Antropologia
Se você encontrou parte de um esqueleto, de um humano adulto que viveu há milhares de anos, como poderia estimar a altura da pessoa a que ele pertencia? Este exercício é parcialmente inspirado pelo trabalho da antropóloga forense Mildred Trotter, que construiu um modelo de regressão para calcular estimativas de estatura a partir de "ossos longos" humanos, como o fêmur, e que é amplamente utilizado hoje.
Neste exercício, você vai usar dados de muitas pessoas vivas e a biblioteca scikit-learn, em Python, para construir um modelo linear que relaciona o comprimento do fêmur (osso da coxa) à "estatura" (altura total) da pessoa. Depois, você aplicará seu modelo para fazer uma previsão sobre a altura do seu ancestral antigo.
Este exercicio faz parte do curso
Introdução à Modelagem Linear em Python
Instruções do exercicio
- Importe
LinearRegressiondesklearn.linear_modele inicialize o modelo comfit_intercept=False. - Remodele os arrays de dados pré-carregados
legseheightsde "1-por-N" para arrays "N-por-1". - Passe os arrays remodelados
legseheightsparamodel.fit(). - Use
model.predict()para prever o valorfossil_heightpara o fóssil recém-encontradofossil_leg = 50.7.
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# import the sklearn class LinearRegression and initialize the model
from sklearn.____ import ____
model = LinearRegression(fit_intercept=False)
# Prepare the measured data arrays and fit the model to them
legs = legs.reshape(len(____),1)
heights = heights.reshape(len(____),1)
model.fit(____, heights)
# Use the fitted model to make a prediction for the found femur
fossil_leg = np.array(50.7).reshape(1, -1)
fossil_height = model.predict(____)
print("Predicted fossil height = {:0.2f} cm".format(fossil_height[0,0]))