通过应用AutoML来识别来自互动玩具的加速度计数据中的人类行为.
Eddy Sánchez-DelaCruz1, Cecilia-Irene Loeza-Mejía1, Irahan-Otoniel José-Guzmán1
1Artificial Intelligence Lab., Tecnológico Nacional de México/Instituto Tecnológico Superior de Misantla, Misantla, Veracruz, Mexico.
Physiology & behavior
|September 24, 2025
概括
自动机器学习 (AutoML) 从加速计数据准确地分类人类行为. 这种方法获得了94.4%的精度,超过了分析相互作用的传统方法.
科学领域:
- 人与计算机的交互
- 机器学习应用 机器学习应用
- 行为分析 行为分析
背景情况:
- 人类行为是身份,文化和健康的组成部分,使其研究对各种研究领域至关重要.
- 通过传感器分析互动,可以了解人类的行为.
- 这项研究的重点是从加速度计数据对行为进行分类.
研究的目的:
- 用互动玩具的加速度计数据对人类行为进行分类.
- 将各种机器学习算法的性能与AutoML方法进行比较.
主要方法:
- 评估的机器学习算法:贝叶斯网络,多项逻辑回归,多层感知器,天真贝叶斯和RIPPER.
- 应用自动机器学习 (AutoML) 方法用于自动模型和超参数选择.
- 分析了五个类别的8946个行为记录:放下,击中,拾起,摇和扔.
主要成果:
- 自动ML显著超过了传统的机器学习分类器.
- 在行为分类中达到94.4%的精度.
- 获得了0.992.99的接收器操作特征 (ROC) 区域.
结论:
- 自动ML在准确识别人类行为方面表现出很高的有效性.
- 加速度计数据与AutoML相结合,为交互式系统中的行为分析提供了强大的方法.


