Обнаружение падения машинного обучения с использованием анализа временных рядов

Question

Я пытаюсь обучить классификатор для обнаружения падения на основе данных акселерометра и гироскопа. Тем не менее, мне сложно определить, какой тип алгоритма использовать.

Это изображение некоторых из набора данных:

Этих данных пример сырого x-, y- и Z-координаты, считываемых из акселерометра во время падения. Как вы можете видеть, данные относительно устойчивы до момента начала падения.

Мой вопрос: какой классификатор я должен использовать для обнаружения падения.

Я читал некоторые исследования в этой области, где ученые использовали алгоритмы Наив-Байеса для классификации данных, но, как я понимаю, Наив-Байес не учитывает предыдущие наборы данных в классификации.

Я думал об использовании HMM, но поскольку я совершенно не знаком с машинным обучением, я думал, что попрошу дать общее руководство.

Заранее спасибо.

Answer 1

Вы должны посмотреть на Conditional Random Field (CRF), который может использоваться в качестве классификатора для учета «соседних образцов». Если вы выполните какой-либо поиск в Google, вы сможете найти несколько статей о «обнаружении падения» с CRF.

Как вы упомянули, HMM также является подходящей моделью для вашей проблемы, в которой у вас есть скрытая переменная (падение или нет), но ненаблюдаема (наблюдаются только координаты x-y-z).