app.py

import streamlit as st
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score

# Título de la aplicación
st.title("Regresión Lineal Simple: Predicción de Peso basado en Altura")

# Cargar el dataset
url = "https://raw.githubusercontent.com/burnoutminer/Heights-and-Weights-Dataset/master/data.csv"
data = pd.read_csv(url)

# Mostrar el dataset en la aplicación
st.subheader("Dataset de Altura y Peso")
st.write(data.head())

# Exploración de datos
st.subheader("Relación entre Altura y Peso")
fig, ax = plt.subplots()
sns.scatterplot(x='Height', y='Weight', data=data, ax=ax)
plt.title('Relación entre Altura y Peso')
plt.xlabel('Altura (pulgadas)')
plt.ylabel('Peso (libras)')
st.pyplot(fig)

# Dividir el dataset en entrenamiento y prueba
X = data[['Height']]  # Variable independiente (altura)
y = data['Weight']     # Variable dependiente (peso)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Crear y entrenar el modelo de regresión lineal simple
model = LinearRegression()
model.fit(X_train, y_train)

# Predecir en el conjunto de prueba
y_pred = model.predict(X_test)

# Evaluar el modelo
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

# Mostrar métricas del modelo
st.subheader("Evaluación del Modelo")
st.write(f'Error Cuadrático Medio (MSE): {mse:.2f}')
st.write(f'Coeficiente de Determinación (R²): {r2:.2f}')

# Gráfico de regresión con línea de tendencia
st.subheader("Línea de Regresión")
fig, ax = plt.subplots()
plt.scatter(X_test, y_test, color='blue', label='Datos reales')
plt.plot(X_test, y_pred, color='red', label='Línea de regresión')
plt.title('Regresión Lineal Simple: Altura vs Peso')
plt.xlabel('Altura (pulgadas)')
plt.ylabel('Peso (libras)')
plt.legend()
st.pyplot(fig)

# Coeficientes del modelo
st.subheader("Coeficientes del Modelo")
st.write(f'Intercepto (b0): {model.intercept_:.2f}')
st.write(f'Coeficiente de Altura (b1): {model.coef_[0]:.2f}')

# Entrada de usuario para predecir el peso
st.subheader("Predicción de Peso")
height_input = st.number_input("Ingresa la altura (en pulgadas):", min_value=50.0, max_value=100.0, value=70.0)

# Predecir el peso basado en la altura ingresada
if st.button("Predecir Peso"):
    predicted_weight = model.predict([[height_input]])
    st.write(f"El peso predicho para una altura de {height_input} pulgadas es: **{predicted_weight[0]:.2f} libras**.")