운동 칼로리 소모량 예측 웹 서비스 v2

운동 시간, 체온, 심박수 등의 데이터를 기반으로 운동 중 소모된 칼로리를 예측하는 웹 서비스입니다. 스태킹 앙상블 모델을 사용하여 더 정확한 예측을 제공합니다.

시작하기

필수 요구사항

• Python 3.9
• pip (Python 패키지 관리자)

설치 방법

1. 레포지토리 클론
2. 가상환경 생성 및 활성화
3. 필요한 패키지 설치 pip install -r requirements.txt

실행 방법

1. 웹 서비스 실행 python app.py
   • 실행 후 http://localhost:5000 접속

입력 데이터 범위

입력 항목	단위	허용 범위
운동 시간	분	1~120
체온	°C	35~42
심박수	BPM	60~200
신장	cm	140~200
체중	kg	40~120
나이	세	15~80
성별	-	남성/여성

프로젝트 구조

calories-prediction/
├── app_final.py          # Flask 웹 서버 (스태킹 모델)
├── finalModel.ipynb      # 모델 학습 노트북
├── final_model.pkl       # 학습된 스태킹 모델
├── templates/           
│   └── index_final.html  # 메인 페이지
├── static/
│   ├── css/
│   │   └── style_final.css
│   └── js/
│       └── script_final.js
└── README.md

사용된 모델

스태킹 앙상블 모델에 사용된 기본 모델들:

1. Linear Regression
2. Ridge Regression
3. Random Forest (n_estimators=50)
4. XGBoost (n_estimators=100)
5. LightGBM (n_estimators=100)
6. SVR (kernel='rbf')
7. Elastic Net (alpha=1.0, l1_ratio=0.5)
8. Neural Network (MLP)
9. KNN (n_neighbors=5)

전처리 과정

1. 단위 변환

   • 체온: °C → °F
   • 체중: kg → lb
   • 신장: cm → feet & inches

2. 특성 생성

   • PolynomialFeatures(degree=3)로 고차항 생성
   • SelectKBest로 상위 40개 특성 선택

기술 스택

• Backend

  • Flask 2.0.1
  • Python 3.9

• Frontend

  • HTML5/CSS3
  • JavaScript (Vanilla JS)

• Machine Learning

  • scikit-learn 1.5.2
  • XGBoost 1.5.0
  • LightGBM 3.3.2
  • pandas 1.3.3
  • numpy 1.23.0

팀원

• 이름: 임나경, 이호준, 조세은

업데이트 내역

• v2.0.0 (2024-03-21)
  • 스태킹 모델 적용
  • 전처리 과정 개선
  • UI/UX 개선