一种瀑布检测模型的训练

Question

我的父母年纪大了，摔倒是件大事。我很擅长编码之类的。所以我想我应该使用一些秋季数据集并将它们插入到机器学习系统中。你可以从这句话中看出，我是机器学习的新手。我应该怎么开始得到我的第一个模型？文献指出，与KNN...do相比，我尝试决策树模型更好--我拿起TensorFlow，开始用数据集绘制模型，或者你怎么开始呢？谢谢，我为我的问题道歉。

Answer 1

我不知道这样的数据集，但是我建议你从手机加速计项目中借鉴一些想法。下面的链接可以是一个很好的灵感。

为了继续，我会记录他们的日常运动，并生成正常的运动阈值(也许你可以使用一个现成的android手机使用它的运动传感器)。

根据收集的数据集，您将定义什么是正常的移动(例如，您可以从固定的规则开始)。之后，你会根据父母的反馈进行动态调整。

关于机器学习算法，在你收集高维数据足够长的时间后，你可以继续上面提到的算法。

(例如将其设置为分类算法)

(speed, time, pt1, pt2, ...) -> fall
(speed, time, pt1, pt2, ...) -> no_fall

祝好运!

1步进检测https://github.com/danielmurray/adaptiv

2传感器概述https://developer.android.com/guide/topics/sensors/sensors_概述

Answer 2

我也有类似的情况，试图建立和训练一个家庭成员的跌倒检测系统。在我的情况下，苹果手表不是一个选择。

我遇到了一组可能对你有帮助的数据。这似乎是三星Galaxy手机https://bmi.teicrete.gr/en/the-mobifall-and-mobiact-datasets-2/的原始数据。

来自网站："MobiAct是一个公开的数据集，当参与者执行不同类型的活动和一系列跌倒时，该数据集包含来自智能手机的数据。“

希望这能有所帮助