Анализ эффективности методов машинного обучения в распознавания эпизодов фризинг-дисбазии на основе акселерометрических данных

Abstract

В работе рассматривается применение методов машинного обучения для выявления и классификации эпизодов фризинг-дисбазии по обработанным акселерометрическим данным с носимых устройств. Сформированы два признаковых пространства из акселометрических записей датасета tdcsFOG. Для задач бинарной и многоклассовой классификации разработаны модели на основе метода опорных векторов, случайного леса и градиентного бустинга. Наилучшую точность показали модели градиентного бустинга, метод опорных векторов – наименьшую. Результаты подтверждают перспективность сочетания методов машинного обучения и носимых устройств с акселерометром для ранней диагностики болезни Паркинсона.