(3) Classification result

Result: null

(2) Features for this time window

min x: 0

max x: 0

ave x: 0

min y: 0

max y: 0

ave y: 0

min z: 0

max z: 0

ave z: 0

(1) Raw sensor values for this time window (X, Y, Z)

X: 0

Y: 0

Z: 0

レポート記述欄

• 氏名:中田康史
• 学部:総合政策学部
• 学年:学部3年
• 学籍番号:72105616
• CNSメールアドレス:s21561yn@sfc.keio.ac.jp

収集した行動データについて

• 選定した行動の種類
1. sitting 座っている状態
2. standing 立っている状態
3. walking 歩いている状態
4. Stairs 階段を上り下りしている状態
• 選定した理由
1. 人間の行動の中でも、日常生活の中で最も多くの時間を占める行動であるため
2. 1と比べて動きが少ないものの，日常に多い動作である．また，判別が難しいので機械学習の精度を計測するには良い指標だと思い，設定した．
3. 前後の移動を検出できると思い，設定した．
4. 上下移動の検出を用いて検出できると思い，設定した．
• 収集についての詳細
各データにつき，1分間のデータを収集した．実際の利用時には状態を確認しながら使うだろうと考えて，スマホを表示させながらの状態で設定した．
• 工夫した点 / 困難だった点
上記の通り，使用時を想定してスマホを使いながら描写した．

特徴量について

• 選定した理由
選定したものは先生のサンプルコードにあった，Result timestamp sensorType x y z ori ori-abs ori-x ori-y ori-zの10個の特徴量を選定した．
• 追加した特徴量について詳細
追加はしていない．
• 工夫した点 / 困難だった点
エラーが出て困ったが，ヘルプをgpt4に食わせてことなきを得た．

機械学習モデル

• 採用したアルゴリズムや学習結果の詳細
アルゴリズムは先生のサンプルコードにあった，a J48 (decision tree) modelを使用した．
• 工夫した点
できるだけ，シンプルに動くようにした．
• 工夫した点 / 困難だった点
動くようなものをきちんと動かした．

実機に移植しての性能評価

• 評価尺度について
- 正確に分類されたインスタンスの割合（%） - 誤って分類されたインスタンスの割合（%） - Kappa 統計量 - 平均絶対誤差 - 平方根平均二乗誤差 - 相対絶対誤差（%） - 平方根相対二乗誤差（%）を用いた．
• 評価結果
- 正確に分類されたインスタンス: 16,468 (98.434%) - 誤って分類されたインスタンス: 262 (1.566%) - Kappa 統計量: 0.9791 - 平均絶対誤差: 0.0089 - 平方根平均二乗誤差: 0.0854 - 相対絶対誤差: 2.3857% - 平方根相対二乗誤差: 19.7369%
• 工夫した点 / 困難だった点
正確に分類されたインスタンスの割合が98%を超えたので，満足している．