机器学习在体力活动,久坐和睡眠行为研究中的研究
Vahid Farrahi1, Mehrdad Rostami2
1Institute for Sport and Sport Science, TU Dortmund University, Dortmund, Germany. Vahid.farrahi@tu-dortmund.de.
Journal of activity, sedentary and sleep behaviors
|April 11, 2025
概括
机器学习 (ML) 提供了强大的新方法来分析来自可穿戴传感器的复杂数据,用于身体活动,久坐和睡眠研究. 本综述指导专家应用ML技术,以更好地了解人类的运动和非运动行为.
科学领域:
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
- 行为科学 行为科学
背景情况:
- 人类的运动和非运动行为是复杂的,挑战传统的研究方法.
- 可穿戴活动监测器产生了大量关于身体活动,久坐时间和睡眠的数据集.
- 现有的数据分析方法难以应对这些行为数据的复杂性和数量.
研究的目的:
- 为机器学习 (ML) 的潜在应用引入体力活动,久坐行为和睡眠研究人员.
- 提供有关利用 ML 来分析复杂的人类行为数据的指导.
- 为了弥合有限的ML熟悉度的研究人员的知识差距.
主要方法:
- 审查机器学习原则和机器学习建模管道.
- 监督和无监督学习类型的解释.
- 介绍在行为研究中使用的常见ML算法.
主要成果:
- 机器学习方法非常适合分析来自可穿戴传感器的复杂,大量数据.
- 机器学习可以解决传统的研究问题,如活动识别,姿势检测和个人资料分析.
- 突出ML在体力活动,久坐和睡眠研究中的成功应用和挑战.
结论:
- 机器学习为推进身体活动,久坐行为和睡眠方面的研究提供了重要机会.
- 本综述是为在这些研究领域实施ML的基础资源.
- 促进ML的采用将提高对人类运动和非运动行为的理解.
