脱发因素分析及预测

引言
脱发现象的普遍性及其对个人心理和社会生活的影响
传统脱发治疗方法与局限性
技术介入（数据分析、机器学习）在脱发预测与干预中的潜力

pip install pyecharts

Collecting pyecharts
  Downloading pyecharts-2.0.8-py3-none-any.whl (153 kB)
     ------------------------------------ 153.7/153.7 kB 328.3 kB/s eta 0:00:00
Requirement already satisfied: jinja2 in c:\programdata\anaconda3\lib\site-packages (from pyecharts) (3.1.2)
Collecting simplejson
  Downloading simplejson-3.20.1-cp310-cp310-win_amd64.whl (75 kB)
     ---------------------------------------- 75.7/75.7 kB 1.4 MB/s eta 0:00:00
Collecting prettytable
  Downloading prettytable-3.16.0-py3-none-any.whl (33 kB)
Requirement already satisfied: MarkupSafe>=2.0 in c:\programdata\anaconda3\lib\site-packages (from jinja2->pyecharts) (2.1.1)
Requirement already satisfied: wcwidth in c:\programdata\anaconda3\lib\site-packages (from prettytable->pyecharts) (0.2.5)
Installing collected packages: simplejson, prettytable, pyecharts
Successfully installed prettytable-3.16.0 pyecharts-2.0.8 simplejson-3.20.1
Note: you may need to restart the kernel to use updated packages.

脱发的主要影响因素 ◦ 遗传因素：家族史、特定基因（如AR基因）的作用 ◦ 激素水平：DHT（二氢睾酮）与雄激素性脱发的关系 ◦ 营养缺乏：铁、锌、维生素D等关键营养素的影响 ◦ 生活方式：压力、睡眠不足、吸烟与饮酒的关联 ◦ 环境因素：水质、空气污染、紫外线暴露 ◦ 疾病与药物：甲状腺疾病、化疗药物的副作用

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn.model_selection import train_test_split #划分训练集和测试集
from sklearn.ensemble import RandomForestClassifier  #随机森林
from sklearn.preprocessing import LabelEncoder  
from sklearn.metrics import classification_report, roc_curve, auc, confusion_matrix  #模型评估
from sklearn.svm import SVC  #支持向量机

import warnings
warnings.filterwarnings('ignore') #忽略警告信息

plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False

数据收集与特征工程
临床数据：激素检测结果、头皮健康指标（毛囊密度）
基因组数据：SNP（单核苷酸多态性）分析与风险评分
生活习惯数据：问卷调查（饮食、作息、压力水平）
环境数据：居住地水质报告、空气质量指数
特征选择方法：相关性分析、主成分分析（PCA）

#数据读取
df=pd.read_csv('Predict Hair Fall.csv')
df

	Id	Genetics	Hormonal Changes	Medical Conditions	Medications & Treatments	Nutritional Deficiencies	Stress	Age	Poor Hair Care Habits	Environmental Factors	Smoking	Weight Loss	Hair Loss
0	133992	Yes	No	No Data	No Data	Magnesium deficiency	Moderate	19	Yes	Yes	No	No	0
1	148393	No	No	Eczema	Antibiotics	Magnesium deficiency	High	43	Yes	Yes	No	No	0
2	155074	No	No	Dermatosis	Antifungal Cream	Protein deficiency	Moderate	26	Yes	Yes	No	Yes	0
3	118261	Yes	Yes	Ringworm	Antibiotics	Biotin Deficiency	Moderate	46	Yes	Yes	No	No	0
4	111915	No	No	Psoriasis	Accutane	Iron deficiency	Moderate	30	No	Yes	Yes	No	1
...	...	...	...	...	...	...	...	...	...	...	...	...	...
994	184367	Yes	No	Seborrheic Dermatitis	Rogaine	Vitamin A Deficiency	Low	33	Yes	Yes	Yes	Yes	1
995	164777	Yes	Yes	No Data	Accutane	Protein deficiency	Low	47	No	No	No	Yes	0
996	143273	No	Yes	Androgenetic Alopecia	Antidepressants	Protein deficiency	Moderate	20	Yes	No	Yes	Yes	1
997	169123	No	Yes	Dermatitis	Immunomodulators	Biotin Deficiency	Moderate	32	Yes	Yes	Yes	Yes	1
998	127183	Yes	Yes	Psoriasis	Blood Pressure Medication	Vitamin D Deficiency	Low	34	No	Yes	No	No	1

999 rows × 13 columns

预测模型构建
机器学习方法：
逻辑回归：用于二分类（脱发/非脱发）预测
随机森林：处理高维特征并评估变量重要性
支持向量机（SVM）：解决非线性分类问题
深度学习模型：
CNN（卷积神经网络）分析头皮图像（如毛囊显微镜照片）
RNN（循环神经网络）处理时间序列数据（如激素水平变化）
模型评估指标：准确率、召回率、AUC-ROC曲线

# 将列名转换成中文，便于理解
chinese_columns=[
    '遗传因素',
    '荷尔蒙变化', 
    '医疗状况', 
    '药物及治疗', 
    '营养缺乏', 
    '压力水平', 
    '年龄', 
    '不良护发习惯', 
    '环境因素', 
    '吸烟习惯', 
    '体重减轻', 
    '脱发标记'   # 目标变量
]


# 将原始数据集的列名改为：第一列为'ID'，后面依次为chinese_columns中的12个列名
df.columns = ['ID'] + chinese_columns
df.head(5)

	ID	遗传因素	荷尔蒙变化	医疗状况	药物及治疗	营养缺乏	压力水平	年龄	不良护发习惯	环境因素	吸烟习惯	体重减轻	脱发标记
0	133992	Yes	No	No Data	No Data	Magnesium deficiency	Moderate	19	Yes	Yes	No	No	0
1	148393	No	No	Eczema	Antibiotics	Magnesium deficiency	High	43	Yes	Yes	No	No	0
2	155074	No	No	Dermatosis	Antifungal Cream	Protein deficiency	Moderate	26	Yes	Yes	No	Yes	0
3	118261	Yes	Yes	Ringworm	Antibiotics	Biotin Deficiency	Moderate	46	Yes	Yes	No	No	0
4	111915	No	No	Psoriasis	Accutane	Iron deficiency	Moderate	30	No	Yes	Yes	No	1

实际应用与挑战
个性化干预建议生成：基于预测结果的营养补充或药物推荐
数据隐私与伦理问题：基因组数据的敏感性
模型可解释性：SHAP（Shapley Additive Explanations）方法的应用
局限性：样本偏差、长期动态预测的难度

# 缺失值处理
df.replace("No Data",pd.NA,inplace=True)
df.head()

	ID	遗传因素	荷尔蒙变化	医疗状况	药物及治疗	营养缺乏	压力水平	年龄	不良护发习惯	环境因素	吸烟习惯	体重减轻	脱发标记
0	133992	Yes	No	<NA>	<NA>	Magnesium deficiency	Moderate	19	Yes	Yes	No	No	0
1	148393	No	No	Eczema	Antibiotics	Magnesium deficiency	High	43	Yes	Yes	No	No	0
2	155074	No	No	Dermatosis	Antifungal Cream	Protein deficiency	Moderate	26	Yes	Yes	No	Yes	0
3	118261	Yes	Yes	Ringworm	Antibiotics	Biotin Deficiency	Moderate	46	Yes	Yes	No	No	0
4	111915	No	No	Psoriasis	Accutane	Iron deficiency	Moderate	30	No	Yes	Yes	No	1

未来研究方向
多模态数据融合：结合穿戴设备（如睡眠监测）的实时数据
迁移学习：利用其他医学领域数据提升小样本场景下的性能
自动化诊断工具：与智能医疗硬件（如AI头皮检测仪）结合

#二值列转换
binary_cols= ['遗传因素', '荷尔蒙变化', '不良护发习惯', '环境因素', '吸烟习惯', '体重减轻']
for col in binary_cols:
    df[col]=df[col].map({'Yes':1,'No':0, pd.NA:np.nan})
    
df.head()

	ID	遗传因素	荷尔蒙变化	医疗状况	药物及治疗	营养缺乏	压力水平	年龄	不良护发习惯	环境因素	吸烟习惯	体重减轻	脱发标记
0	133992	1.0	0.0	<NA>	<NA>	Magnesium deficiency	Moderate	19	1.0	1.0	0.0	0.0	0
1	148393	0.0	0.0	Eczema	Antibiotics	Magnesium deficiency	High	43	1.0	1.0	0.0	0.0	0
2	155074	0.0	0.0	Dermatosis	Antifungal Cream	Protein deficiency	Moderate	26	1.0	1.0	0.0	1.0	0
3	118261	1.0	1.0	Ringworm	Antibiotics	Biotin Deficiency	Moderate	46	1.0	1.0	0.0	0.0	0
4	111915	0.0	0.0	Psoriasis	Accutane	Iron deficiency	Moderate	30	0.0	1.0	1.0	0.0	1

# 创建高压力分组
df['高压力']=df['压力水平'].apply(lambda x:1 if x=='High' else 0)
df.head()

	ID	遗传因素	荷尔蒙变化	医疗状况	药物及治疗	营养缺乏	压力水平	年龄	不良护发习惯	环境因素	吸烟习惯	体重减轻	脱发标记	高压力
0	133992	1.0	0.0	<NA>	<NA>	Magnesium deficiency	Moderate	19	1.0	1.0	0.0	0.0	0	0
1	148393	0.0	0.0	Eczema	Antibiotics	Magnesium deficiency	High	43	1.0	1.0	0.0	0.0	0	1
2	155074	0.0	0.0	Dermatosis	Antifungal Cream	Protein deficiency	Moderate	26	1.0	1.0	0.0	1.0	0	0
3	118261	1.0	1.0	Ringworm	Antibiotics	Biotin Deficiency	Moderate	46	1.0	1.0	0.0	0.0	0	0
4	111915	0.0	0.0	Psoriasis	Accutane	Iron deficiency	Moderate	30	0.0	1.0	1.0	0.0	1	0

#脱发标记分布
data=df['脱发标记'].value_counts()

plt.figure(figsize=(8,5))
plt.pie(data,labels=['不脱发','脱发'],autopct='%.2f%%',startangle=90,shadow=True)
plt.title('脱发标记分布')
plt.show()

# 年龄与脱发关系
fig=plt.figure(figsize=(10,6))
ax1=plt.subplot(111)
df.boxplot(column='年龄',by='脱发标记',ax=ax1,)
ax1.set_title('脱发人群年龄分布',fontsize=14)
ax1.set_ylabel('年龄')
plt.show()

#常见医疗诊断分析
plt.figure(figsize=(12, 8))
top_conditions = df['医疗状况'].value_counts().head(10)
plt.barh(top_conditions.index,top_conditions) #横向柱状图
plt.title('十大常见脱发相关医疗状况', fontsize=14)
plt.xlabel('样本数量', fontsize=12)
plt.ylabel('医疗状况', fontsize=12)
plt.tight_layout()
plt.show()

plt.figure(figsize=(12,8))

top8_nutrition=df['营养缺乏'].value_counts().head(8)

plt.barh(top8_nutrition.index,top8_nutrition)
plt.title('常见脱发相关营养缺乏类型', fontsize=16, pad=20)
plt.xlabel('样本数量', fontsize=14)
plt.ylabel('营养缺乏类型', fontsize=14)
plt.xticks(fontsize=12)
plt.yticks(fontsize=12)

plt.show()

# 二值特征与脱发关系
features = ['遗传因素', '荷尔蒙变化', '不良护发习惯', '环境因素', '吸烟习惯', '体重减轻']

fig,axes=plt.subplots(3,2,figsize=(15,15))
axes=axes.flatten()
df['脱发标记'] = df['脱发标记'].astype('category')
categories = df['脱发标记'].cat.categories
num_categories = len(categories)
x=np.arange(num_categories)
width=0.35

for i ,feature in enumerate(features):#枚举每个特征
    if i < len(axes):
        ax=axes[i]
        #计算每个类别中1和0的数量
        counts=df.groupby('脱发标记')[feature].value_counts().unstack(fill_value=0)
        rects1=ax.bar(x-width/2,counts[0],width)
        rects1=ax.bar(x+width/2,counts[1],width)
        ax.set_title(f'{feature}与脱发')
        #ax.set_ylable('数量')
        ax.set_xticks(x)
        ax.set_xticklabels(categories)
        ax.legend(['无','有'])

plt.tight_layout()
plt.show()

![外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传](https://img-home.csdnimg.cn/images/20230724024159.png?origin_url=output_11_0.png&pos_id=img-GqU9iODo-1750926410429)

counts

体重减轻	0.0	1.0
脱发标记
0	276	226
1	251	246

# 特征相关性分析
corr_features = ['遗传因素', '荷尔蒙变化', '高压力', '不良护发习惯', '吸烟习惯', '体重减轻', '脱发标记']
corr = df[corr_features].corr()
plt.figure(figsize=(12, 8))
plt.imshow(corr, cmap='hot',interpolation='nearest',alpha=0.9)
plt.colorbar()
plt.title('脱发相关因素相关系数热力图', fontsize=14)

plt.tight_layout()
plt.show()

![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/a0971693116648899d84e0bb73423c5b.png)

df.head()

	ID	遗传因素	荷尔蒙变化	医疗状况	药物及治疗	营养缺乏	压力水平	年龄	不良护发习惯	环境因素	吸烟习惯	体重减轻	脱发标记	高压力
0	133992	1.0	0.0	<NA>	<NA>	Magnesium deficiency	Moderate	19	1.0	1.0	0.0	0.0	0	0
1	148393	0.0	0.0	Eczema	Antibiotics	Magnesium deficiency	High	43	1.0	1.0	0.0	0.0	0	1
2	155074	0.0	0.0	Dermatosis	Antifungal Cream	Protein deficiency	Moderate	26	1.0	1.0	0.0	1.0	0	0
3	118261	1.0	1.0	Ringworm	Antibiotics	Biotin Deficiency	Moderate	46	1.0	1.0	0.0	0.0	0	0
4	111915	0.0	0.0	Psoriasis	Accutane	Iron deficiency	Moderate	30	0.0	1.0	1.0	0.0	1	0

结语
技术驱动的脱发预测对早期干预的意义
跨学科合作（医学、数据科学、生物工程）的必要性

# 缺失值处理（删除少量缺失行）
df.dropna(subset=['脱发标记', '医疗状况', '药物及治疗', '营养缺乏'], inplace=True)
# 复合变量
# 遗传因素+高压力组合
df['遗传高压力组合'] = ((df['遗传因素'] == 1) & (df['高压力'] == 1)).astype(int)

# 标签编码分类变量
label_encoders = {}
categorical_cols = ['医疗状况', '药物及治疗', '营养缺乏', '压力水平']
for col in categorical_cols:
    le = LabelEncoder()
    df[col] = le.fit_transform(df[col].astype(str))
    label_encoders[col] = le

df

	ID	遗传因素	荷尔蒙变化	医疗状况	药物及治疗	营养缺乏	压力水平	年龄	不良护发习惯	环境因素	吸烟习惯	体重减轻	脱发标记	高压力	遗传高压力组合
1	148393	0.0	0.0	4	1	2	0	43	1.0	1.0	0.0	0.0	0	1	0
2	155074	0.0	0.0	3	3	4	2	26	1.0	1.0	0.0	1.0	0	0	0
3	118261	1.0	1.0	6	1	0	2	46	1.0	1.0	0.0	0.0	0	0	0
4	111915	0.0	0.0	5	0	1	2	30	0.0	1.0	1.0	0.0	1	0	0
5	139661	1.0	0.0	5	1	2	1	37	0.0	1.0	0.0	1.0	1	0	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
992	181854	1.0	1.0	3	8	2	1	30	0.0	0.0	0.0	0.0	1	0	0
994	184367	1.0	0.0	8	8	6	1	33	1.0	1.0	1.0	1.0	1	0	0
996	143273	0.0	1.0	1	2	4	2	20	1.0	0.0	1.0	1.0	1	0	0
997	169123	0.0	1.0	2	7	0	2	32	1.0	1.0	1.0	1.0	1	0	0
998	127183	1.0	1.0	5	4	7	1	34	0.0	1.0	0.0	0.0	1	0	0

809 rows × 15 columns

# 特征选择（部分可能部分重复，但影响不大）
features = [
    '遗传因素', '荷尔蒙变化', '医疗状况', '药物及治疗', 
    '营养缺乏', '压力水平', '年龄', '不良护发习惯', 
    '环境因素', '吸烟习惯', '体重减轻', '高压力',
    '遗传高压力组合'
]

X = df[features]
y = df['脱发标记']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.15, random_state=42, stratify=y
)

def evaluate_model(model, model_name, X_train, X_test, y_train, y_test):  #模型对象、模型名称，x训练集，y训练集，x测试集
    # 训练模型
    model.fit(X_train, y_train)
    
    # 预测
    y_pred = model.predict(X_test)
    
    # 打印分类报告
    print(f"=== {model_name} 模型评估 ===")
    print(classification_report(y_test, y_pred))#包含准确率、召回率、f1测度、支持率
    
    # 绘制混淆矩阵
    cm = confusion_matrix(y_test, y_pred) #返回混淆矩阵
    plt.figure(figsize=(8, 6))
    plt.imshow(cm,cmap='hot',interpolation='nearest')#热力图
    plt.colorbar()#视觉映射
    #添加标签
    for i in range(2):
        for j in range(2):
            plt.text(j, i, f'{cm[i, j]:.2f}', ha='center', va='center', color='black')
    plt.title(f'{model_name}模型混淆矩阵')
    plt.show()
    
    # 绘制ROC曲线
    if hasattr(model, "predict_proba"):#hasattr用于检查对象是否具有指定的属性
        y_prob = model.predict_proba(X_test)[:, 1]
    else:  # 对于SVM等没有predict_proba方法的模型
        y_prob = model.decision_function(X_test) if hasattr(model, "decision_function") else y_pred
    
    fpr, tpr, _ = roc_curve(y_test, y_prob)  #roc曲线
    roc_auc = auc(fpr, tpr) #auc面积
    
    plt.figure(figsize=(8, 6))
    plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC曲线(面积 = %0.2f)' % roc_auc)
    plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
    plt.xlabel('假阳率')
    plt.ylabel('真阳率')
    plt.title(f'{model_name}模型ROC曲线')
    plt.legend(loc="lower right")
    plt.show()
    
    return model, roc_auc

rf_model = RandomForestClassifier(random_state=15, class_weight='balanced')
rf_model, rf_auc = evaluate_model(rf_model, "随机森林", X_train, X_test, y_train, y_test)

=== 随机森林 模型评估 ===
              precision    recall  f1-score   support

           0       0.53      0.50      0.51        60
           1       0.54      0.56      0.55        62

    accuracy                           0.53       122
   macro avg       0.53      0.53      0.53       122
weighted avg       0.53      0.53      0.53       122




![外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传](https://img-home.csdnimg.cn/images/20230724024159.png?origin_url=output_21_1.png&pos_id=img-CMslx5Hq-1750926410429)

---------------------------------------------------------------------------

NameError                                 Traceback (most recent call last)

Cell In[29], line 1
----> 1 xgb_model = xgb.XGBClassifier(random_state=15, scale_pos_weight=sum(y_train==0)/sum(y_train==1))
      2 xgb_model, xgb_auc = evaluate_model(xgb_model, "XGBoost", X_train, X_test, y_train, y_test)


NameError: name 'xgb' is not defined