프로젝트 노션

---

기본 사전 정보:

3축 가속도계
3축 자이로스코프(

---

목차

주제선정 이유

• 스마트 헬스케어 산업에 적용 가능한 데이터 분석 방법 제시
• 운동 분석 데이터를 통해 머신러닝 구현

데이터 소개

사용한 라이브러리 & 프레임워크

사용한 모델 설명

코드 설명

데이터 불러오기

데이터 모양 확인

Feature Engineering

데이터 전처리과정

![]
(https://velog.velcdn.com/images/kim_haesol/post/251483b8-090e-47e3-ba66-55b7427dd2c4/image.PNG)

모델 평가 – randomforest, lightgbm, xgboost, logisticregression

모델 평가 결론 – randomforest, lightgbm, xgboost, logisticregression

Xgboost 를 사용한 분류

EDA

Y value

Y값은 None-Exercise 값이 압도적으로 많이
치우쳐 있다는 것을 확인할 수 있다.

X value

각 운동 별 랜덤으로 파동을 살펴보았다.

파동을 보고 파악한 것: 운동별로 특성이 있지만, Device on Table/Plank와 같이 비슷하게 나타나는 파동이 있으므로 구별을 잘 해야 한다.
파동의 값들은 주변 값에 큰 영향을 받는다.

결과 설명

개선할 점

1. 코드가 다소 복잡하고 어지럽다
2. Tensorflow나 data augmentation를 이용하면 더
   간결하게 해결할 수 있었다
3. 혹은 def함수를 이용하여 코드 구독성을 상향할 수 있지
   않을까 하는 의문점