رویکردی نوین در پیش بینی درصد چربی بدن با استفاده از رگرسیون خطی

افزایش درصد چربی بدن یا بطور کلی چاقی یک اختلال متابولیک است که از طریق افزایش انرژی دریافتی و کاهش هزینه انرژی ایجاد می شود. معیارها و روش های متفاوتی برای محاسبه درصد چربی بدن در منابع مختلف ارائه شده است اما با توجه به پیشرفت های خیره کننده در زمینه علوم کامپیوتر و علی الخصوص هوش مصنوعی و سیستم های یادگیرنده و پیش بینی گر، می توان از این سیستم های فوق هوشمند در حوزه های مهمی مانند پزشکی بهره جست. در این پژوهش یک مدل یاد گیرنده هوشمند طراحی شده است که با استفاده از پارامترهای دیگر افراد می تواند درصد چربی افراد را پیش بینی کند. مدل هوشمند با استفاده از الگوریتم رگرسیون خطی کار پیش بینی را انجام می دهد که این پیش بینی با استفاده از ۱۴ پارامتر یا ویژگی دیگر افراد انجام می شود. مدل پیشنهادی در این پژوهش با استفاده از یک مجموعه داده شامل ۲۵۲ نمونه و ۱۵ ویژگی با مقادیر عددی آموزش داده شده است. همچنین شایان ذکر است که به عنوان نوآوری در این پژوهش، از روش یا الگوریتم تحلیل مولفه های اصلی یا همان Principal Component Analysis – PCA برای کاهش یا تقلیل ابعاد با تعداد کامپوننت های ۹۵/۰ استفاده شده است. با ارائه این نوآوری در فرآیند مدل سازی، دقت مدل درصد قابل توجهی بهبود یافته است و در عین حال از بار محاسباتی و پیچیدگی زمانی مدل نیز کاسته شده است.. ارزیابی مدل با استفاده از معیار ضریب تعین یا همان R۲ Score انجام می شود که نشان می دهد مدل رگرسیون خطی تا چه اندازه فرآیند پیش بینی را درست انجام می دهد. نتایج ارزیابی ضریب تعین روی مدل پیشنهادی در این پژوهش برای داده های آموزشی برابر ۹۶۹۱۶۱/۰و برای داده-های تست برابر ۹۷۹۲۲۷/۰ثبت شده است.