Come si può rendere un dispositivo di personal healthcare più efficiente o accurato nella classificazione di 4 (inizialmente) attività fisiche? Si sono applicati 4 algoritmi di Machine Learning (SVM, Random Forest, ExtremeTrees, Gradient Boosting, al fine di studiare la velocità di training o re-training, la velocità di predizione, l'accuratezza assoluta. Lo studio si è necessariamente allargato all'analisi di alcuni iperparametri derivati dalla lavorazione dei dati originali e dai parametri legati agli algoritmi adoperati (come il numero di stimatori per le RF) L'algoritmo scelto è quello delle ExtremeTrees dopo che i dati sono stati processati attraverso una media mobile e una deviazione standard mobile. L'accuratezza con tale scelta è superiore al 99%.
Applicazioni algoritmiche su dispositivi per la cura della persona
GIANNINI, STEFANO
2019/2020
Abstract
Come si può rendere un dispositivo di personal healthcare più efficiente o accurato nella classificazione di 4 (inizialmente) attività fisiche? Si sono applicati 4 algoritmi di Machine Learning (SVM, Random Forest, ExtremeTrees, Gradient Boosting, al fine di studiare la velocità di training o re-training, la velocità di predizione, l'accuratezza assoluta. Lo studio si è necessariamente allargato all'analisi di alcuni iperparametri derivati dalla lavorazione dei dati originali e dai parametri legati agli algoritmi adoperati (come il numero di stimatori per le RF) L'algoritmo scelto è quello delle ExtremeTrees dopo che i dati sono stati processati attraverso una media mobile e una deviazione standard mobile. L'accuratezza con tale scelta è superiore al 99%.| File | Dimensione | Formato | |
|---|---|---|---|
|
834192_tesipresentationv3.pdf
non disponibili
Tipologia:
Altro materiale allegato
Dimensione
16.11 MB
Formato
Adobe PDF
|
16.11 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/118818