Még emelsz? A fogyás előrejelzése az edzésekkel és a táplálkozással

Klasszikus adattudományi megközelítés alkalmazása a fogyás utam során

Bobby Muljono

Január 12. · 16 perc olvasás

Új év, új én! De ahelyett, hogy újévi fogadalmat kapnék, van egy újév előtti állásfoglalásom: hogy a súlyom 2020 előtt egészséges tartományba kerüljön. Emlékeztem a 3 hónapos szakmai gyakorlatomra még 2018-ban, egy rendkívül gyors ütemű indításkor, magas követelményekkel minden egyes nap előrehaladás, hogy nem vettem észre, mennyi stressz-evést hoztam magamra. A mindennapok azzal értek véget, hogy kiégtem minden energia nélkül, hogy levegyem a fenekem egy gyors edzéshez.

A társaságom végén komoly 6 kg-ot híztam ami azonnal túlsúlyba hozta a BMI állapotomat. 6kg 3 hónap alatt! Teljesen megdöbbentem, és nyilvánvalóvá váltak a megjelenésemben bekövetkezett változások.

Gyors előrelépés a mai napra, szerencsére adatelemzőként foglalkoztam egy nagyvállalatnál, ahol a munka és a magánélet egyensúlya lehetővé tette számomra, hogy energiát kíméljek az edzőterem elérésére munka után.

A súlyhelyzetem

Mindig is szerettem volna levenni néhány zsírt a testemről és formába lendülni, mert a BMI-m határon túlsúlyos a projekt kezdete során. Online források rámutattak, hogy az edzésintenzitás 50–70% -on tartása optimális a zsírokból elégetett kalóriák százalékához.

Ezt úgy próbáltam ki, hogy 2 hétig hetente ötször ütöttem az edzőtermet, és bizony láttam már finom változásokat a testem alakjában. A mérési skálán megjelenített teljes súlyom nem sokat változott, de örültem, hogy láttam az erő növekedését.

Motiváció

Ahogy továbbra is gyakran jártam az edzőteremben, ihletet kaptam arra, hogy felhasználjam a gépi tanulás ötletét, hogy megjósoljam a jövőbeli fogyásomat az edzőtermi edzés típusa és a diéta alapján.. Szeretnék egy klasszikus adattudományi megközelítést kezdeményezni a súlyváltozásom előrejelzésére a következő módszerek alapján:

Adatgyűjtés: Táplálkozási és edzőtermi tevékenységem naplózása mobilalkalmazásokon keresztül, és az adatok beírása egy Pyv szkriptbe importálandó csv fájlba.

Analitika: Az étrendi szokásom és az edzőtermi rutin egyéni viszonyainak megjelenítése és annak eldöntése, hogy mely tulajdonságok alkalmasak a regressziós modellekre.

Statisztika: Annak megértése, hogy az étrendi szokásom és az edzőtermi rutin hogyan befolyásolja a súlyom változását, és eltávolítja az erősen összefüggő funkciókat.

Modellezés és értékelés: A legjobb lineáris regressziós modell kiválasztása az R négyzet statisztikák és a legalacsonyabb MSE alapján.

Igen, tudom, hogy az olyan weboldalakon keresztül történő adatgyűjtés, mint ez a teljes kötegű adattudományi projekt, sokkal menőbb megközelítés. De hé, fogyni kezdek, és formába hozom a testem, és azt hiszem, ez nekem elég menő!

Jogi nyilatkozat: Nem vagyok sem táplálkozási, sem sporttudományi szakértő. Ezt a cikket abból a célból írom, hogy érdekelt legyen mind az adattudomány, mind a testmozgás ötvözése. A sporttáplálkozással kapcsolatos ismereteim csak azokra korlátozódnak, amelyeket az interneten olvastam, és egy kicsit az orvostudományi diplomámról. Tehát, ha a táplálkozással kapcsolatos alábbi információk bármelyike helytelennek tűnik az olvasók számára, akkor elnézést kérek. Pusztán az adat szempont érdekel.

„Ez az én személyes fogyás utam saját adatsorommal, amely nem feltétlenül működik az Ön számára. Minden egyén teste másképp működik, és saját adatkészletét kell megadnia, ha érdekli ezt az utat. "

Ahhoz, hogy perspektívába helyezhessem, hogy hol állok a projekt elején, íme néhány mérés:

Jelenlegi súly: 74,9kg
Jelenlegi BMI: 24,96 (Igen, 0,04-re voltam attól, hogy túlsúlyosnak számítsak)
Célsúly: 68kg

Gyűjtési módszerek

A súlyt és a test egyéb mutatóit minden reggel közvetlenül ébredés után mérjük. A kalóriákat és a makro-tápanyagok lebontását a MyFitnessPal alkalmazás ingyenes verziójában naplózzák, és az edzésadatokat a Jefit app elite verziójával rögzítik.

Minden hétköznapi edzés közvetlenül az esti munka után, a hétvégi edzés pedig általában délután történik.

Adatok leírása

Mielőtt döntene a prediktív elemzéshez használandó változókról, nézzük meg az egyes változókat, és tárjuk fel azok kapcsolatát a súlyváltozással.