Create app.py

app.py

@@ -0,0 +1,74 @@
+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**.")