ساعتهای هوشمند و یا وسائل پوشیدنی (مچبند) مراقبت از سلامت در حال فراگیر شدن هستند. این وسائل میتوانند حالات و وضعیتهای مختلفِ یک شخص را تشخیص داده و از آن برای مقاصدی مانندِ محاسبهی کالری مصرف شده یا میزان خواب و یا مراقبت از سلامتِ شخص استفاده کرد. در این نوشته به یکی از مجموعه دادههایی که از سنسورهای حرکتیِ دست و پا به دست آمده است، میپردازیم و نشان میدهیم چگونه میتوان از با استفاده از دادهکاوی و یادگیری ماشین از آنها استفاده کرد.
در این مجموعهی داده از دو سنسور حرکتی استفاده شده است. یکی از این سنسورها به دست بسته میشود و دیگری به پا. همانطور که میدانید هر کدام از سنسورها در حرکتی ۳-محوره با استفاده از شتابسنج (accelerometers) وضیعت خود را در یک فضای سه بعدی ترسیم میکنند. این همان شتابشنجی است که در اکثر تلفنهای همراه امروزی نیز موجود است.
در این مجموعهی داده با استفاده از این دو سنسور، آزمایشی را بر روی ۳۳ نفر انجام دادهاند به گونهای که وضعیت سنسور را در لحظه محاسبه کرده و در همان حال نیز مشاهده کردهاند که آن شخص در چه وضعیتی قرار دارد. در کل در این مجموعه داده، ۹ وضعیت برای یک شخص متصور شده است: پایین رفتن از پله (downstairs)، بالا رفتن از پله (upstairs)، آهسته راه رفتن (walkslow)، راه رفتن عادی (walkmod)، راه رفتن سریع (walkfast)، آهسته دویدن (jogging)، ایستادن (standing)، نشستن (sitting)، دراز کشیدن (lying). برای هر کدام از این حرکات حالتهای مختلف ۳-محورهی شتابسنج، رکورد شده و در فایلهایی جداگانه در اختیار متخصصان قرار گرفته است. در هر کدام از این فایلها، یک شخص فقط یک حالت قرار دارد و این با نام فایل مشخص شده است. برای مثال اگر نام فایل برابر ۰۲۶_downstairs باشد به این معنی است که شخص شمارهی ۰۲۶ در حالت پایین رفتن از پلهها است و رکوردهای مربوط به دو شتابسنج (دست و پا) در ۳-محور برای شخصِ شمارهی ۰۲۶ در حالت پایینرفتن از پلهها، در این فایل موجود است. مثالی از دادههای موجود از این فایل را در زیر مشاهده میکنید:
سه ستونِ اول به ۳ محورِ سنسور دست در این وضعیت برای فرد مورد نظر اشاره دارد و سه ستون بعدی، به ۳ محورِ سنسور پا در این وضعیت برای فرد مورد نظر اشاره دارد.
الگوریتمهای طبقهبندی (Classification) با استفاده از این دادهها میتوانند یادگیری را انجام داده و پس از آن، با اتصالِ شتابسنج به مدلِ یادگرفته شده، در هر زمان، وضعیت شخص را به صورت هوشمند حدس بزنند. این دادهها همچنین میتوانند به صورت سریهای زمانی نیز در نظر گرفته شوند زیرا به صورت ترتیبی و منظم پشت سر هر قرار گرفتهاند. یعنی میتوانید با استفاده از مشاهدهی توالی دادهها، طبقهبندی را نیز دقیقتر انجام دهید.