SIGNATE 活動センサーログからの動作予測 5位 2021/02/23

日本のデータサイエンス訓練サイトSIGNATEに投稿しました。ここでは、PJの内容についてとランキングをお知らせしたいと思います。

概要 今回投稿した概要 投稿リンク 暫定評価は 0.9852427 斉藤建一

 

人間の活動センサーログデータから、日常の動作を予測するモデルを作成

健康に志向の高まりを背景に、昨今ではウェアラブル端末を着用している人を多く見るようになりました。
IoT技術の発展に伴い、ウェアラブル端末は様々な活動を計測することが可能となっています。
今回は、各種統計量を計測した活動センサーログデータから、人間の活動(WALKING, WALKING_UPSTAIRS, WALKING_DOWNSTAIRS, SITTING, STANDING, LAYING)を予測

データ概要

課題種別:分類
データ種別:多変量
学習データサンプル数:5149
説明変数の数:561
欠損値:無し

データ説明


学習用データ(train.tsv)、評価用データ(test.tsv)

学習用データ(train.tsv)、評価用データ(test.tsv)
特徴量
– 加速度計からの3軸加速度(合計加速度)および推定身体加速度
– ジャイロスコープからの三軸角速度
– 時間および周波数領域変数を有する561の特徴ベクトル
– 実験を行った被験者の識別子
– その活動ラベル

1.時間領域信号(時間を表す「t」という接頭辞)は、50Hzの一定速度で捕捉
2.ノイズを除去するために、中央周波数フィルタと20Hzのコーナ周波数を持つ3次ローパスバタワースフィルタを使用してフィルタリング
3.同様に、加速度信号は、コーナー周波数が0.3Hzの別の低域バターワースフィルターを使用して、身体加速度信号と重力加速度信号(tBodyAcc-XYZおよびtGravityAcc-XYZ)に分離
4.その後、時間の経過とともに体線加速度と角速度が導出され、ジャーク信号(tBodyAccJerk-XYZおよびtBodyGyroJerk-XYZ)を取得
5.これらの3次元信号の大きさは、ユークリッドノルム(tBodyAccMag、tGravityAccMag、tBodyAccJerkMag、tBodyGyroMag、tBodyGyroJerkMag)を用いて計算
6.fBodyAcc-XYZ、fBodyAccJerk-XYZ、fBodyGyro-XYZ、fBodyAccJerkMag、fBodyGyroMag、fBodyGyroJerkMagを生成するこれらの信号の一部に高速フーリエ変換(FFT)を適用
7.これらの信号を用いて、各パターンの特徴ベクトルの変数を推定(’-XYZ’は、X、Y、Z方向の3軸信号を表す)

tBodyAcc-XYZ
tGravityAcc-XYZ
tBodyAccJerk-XYZ
tBodyGyro-XYZ
tBodyGyroJerk-XYZ
tBodyAccMag
tGravityAccMag
tBodyAccJerkMag
tBodyGyroMag
tBodyGyroJerkMag
fBodyAcc-XYZ
fBodyAccJerk-XYZ
fBodyGyro-XYZ
fBodyAccMag
fBodyAccJerkMag
fBodyGyroMag
fBodyGyroJerkMag

これらの信号から推定された一連の変数は以下のとおり

mean():平均値
std():標準偏差
mad():中央絶対偏差
max():配列内の最大値
min():配列の最小値
sma():信号の大きさの領域
energy():エネルギー尺度
iqr():四分位範囲
entropy():信号エントロピー
arCoeff():Burg次数が4の自動レジション係数
correlation():2つの信号間の相関係数
maxInds():最大の大きさを持つ周波数成分のインデックス
meanFreq():平均周波数を得るための周波数成分の加重平均
skewness():周波数領域信号の歪み
kurtosis():周波数領域信号の尖度
bandsEnergy():各ウィンドウのFFTの64ビン内の周波数間隔のエネルギー
angle():ベクトルとベクトルの間の角度

信号窓サンプル内の信号を平均化することによって得られる追加のベクトルは、angle()変数で使用

gravityMean
tBodyAccMean
tBodyAccJerkMean
tBodyGyroMean
tBodyGyroJerkMean

カラム ヘッダ名称 データ型 説明
0 id int インデックスとして使用
1 tBodyAcc-mean()-X float X軸加速度の平均値
2 tBodyAcc-mean()-Y float Y軸加速度の平均値
3 tBodyAcc-mean()-Z float Z軸加速度の平均値
4 tBodyAcc-std()-X float X軸加速度の標準偏差
float
561 activity varchar 行動ラベル(WALKING, WALKING_UPSTAIRS, WALKING_DOWNSTAIRS, SITTING, STANDING, LAYING)

※黄色く色付けされた変数が目的変数です(評価用データには含まれません)


応募用サンプルファイル(sample_submit.csv)
サンプルの予測結果が入力された投稿用ファイルのフォーマット

カラム ヘッダ名称 データ型 説明
0 無し int インデックスとして使用
1 無し varchar 行動ラベル(WALKING, WALKING_UPSTAIRS, WALKING_DOWNSTAIRS, SITTING, STANDING, LAYING)

弊社では、データ分析依頼企業を募集しています。
お気軽にご相談ください。092-437-1110 人間の活動センサーログデータから、日常の動作を予測するモデルを作成