ПРИМЕЧАНИЕ. Этот репозиторий разделяет проект парной работы в соответствии с классом программирования для Master of Data Science Coursework.
Вес при рождении-это вес ребенка, взятого сразу после того, как он или она родится, а вес рождения-сильный показатель материнского и новорожденного здоровья и питания. Согласно Всемирной организации здравоохранения (ВОЗ), низкий вес при рождении определяется как вес при рождении менее 2500 граммов или 5,5 фунтов, независимо от гестационного возраста. Нормальный диапазон веса для новорожденного ребенка должен превышать 2500 граммов (5,5 фунтов), но менее 4000 граммов (8,8 фунта). Низкий вес при рождении - это результат, который вызывает обеспокоенность, потому что показатели смертности от младенческой смертности и показатели врожденных дефектов очень высоки для детей с низким весом при рождении. Низкий вес при рождении может возникнуть у недоношенных детей, которые доставляются в гестационном возрасте менее 37 недель беременности (нормальная длина беременности составляет 40 недель) или у детей, которые родились в обычное время, но находятся под весом. Ребенок с большим, чем нормальный диапазон веса, считается большим и увеличит риск и трудности во время родов. Для доктора было бы так важно предсказать вес при рождении, а не полагаться исключительно на ультразвуковые результаты, чтобы они могли заранее принимать различные меры и минимизировать риск во время родов. Хотя ультразвук может помочь для такого прогноза, но ученый данных также может обнаружить это заранее с помощью данных.
Основные цели этого проекта являются интуитивно понятными. Мы имеем дело с различными задачами, принимая класс при родовой и родовой веса в качестве целевых переменных. В первой задаче мы стремимся предсказать вес рождения ребенка, учитывая информацию об историческом здоровье матери, привычках, периоде гестации и возрасте. Во второй задаче мы стремимся классифицировать, имеет ли ребенок недостаточный вес, избыточный вес или имеет нормальный вес, используя те же функции. Таким образом, модели регрессии и классификации встроены в эту работу.
Сценарии и результаты кода переводятся как документы R -маркировки в RSTUDIO и разделяются на RPUBS:
https://rpubs.com/s2003493/birthweight-analysis?fbclid=iwar3yur0axet3pag5iqtnkzfxmzxbv8oiccm-bdokw70xdatgfhjemutnnu