- Karl Sousa (kvms)
- Maria Eugênia (meps)
- Mateus Silva (mmps)
Esse projeto descreve o processo de mineração de dados da base Activity recognition with healthy older people using a batteryless wearable sensor, disponível no UCI Machine Learning Repository. A base é composta de oito atributos coletados por meio de um sensor passivo, que mede a aceleração em três eixos. A partir de antenas fixadas em uma sala, são captados esses sinais, como apresentado na a seguir.
Como parte final para o processo de predição da classe dos exemplos, são utilizados os seguintes algoritmos de classificação:
- Árvore de decisão
- k-Nearest Neighbors (kNN)
- Multilayer Perceptron (MLP)
- Random Forest (comitê de árvores de decisão)
- Comitê de MLP
- Comitê heterogêneo, formado por árvore de decisão, kNN e MLP
Após pré-processamento dos dados, ajuste de hiper-parâmetros e avaliação dos diferentes classificadores (com testes estatísticos de Kruskal-Wallis e Nemenyi), foram obtidas as seguintes métricas nos dados de teste:
- Acurácia: 99,47%
- F1 score: 97,51%
- MCC: 0,98898