INF1771 - INTELIGÊNCIA ARTIFICIAL
TRABALHO 4 – APRENDIZADO DE MÁQUINA
Descrição:
O trabalho 4 consiste em utilizar 4 algoritmos de aprendizado supervisionado de
máquina (Árvores de Decisão, K-Nearest Neighbor, Support Vector Machines e Redes
Neurais) para classificar atividades físicas realizadas por determinadas pessoas com
base em dados fisiológicos adquiridos através de sensores.
Os dados que serão utilizados neste trabalho foram obtidos utilizando a braçadeira
BodyMedia SenseWear Pro (http://sensewear.bodymedia.com/). Este equipamento,
mostrado na figura abaixo, permite o monitoramento contínuo de dados fisiológicos de
um usuário fora de um laboratório.
O equipamento é usado na parte de trás do braço direito e possui o seguinte conjunto de
sensores:
•
•
•
Acelerômetro: Sensor de dois eixos que medem o movimento realizado pelo
corpo da pessoa.
Fluxo de Calor: Sensor que mede a quantidade de calor a ser dissipado pelo
corpo.
Resposta Galvânica da Pele: Sensor que mede a condutividade elétrica entre
dois pontos no braço do portador.
•
•
Temperatura da Pele: Sensor que mede a temperatura da pele da pessoa.
Temperatura Próxima do Corpo: Sensor que mede a temperatura do ar em
torno da braçadeira do usuário.
O conjunto de dados de treinamento consiste em aproximadamente 10.000 horas de
dados coletados de usuários. Cada registro da base de treinamento consiste nos dados
coletados em intervalos de 1 minuto. Cada registro é composto por 16 valores, dos quais
apenas 9 são dados fisiológicos. Os atributos que compõem os registros são:
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
Caracteristica1: Idade
Caracteristica2: Canhoto ou destro (0 ou 1)
Anotação: Código da atividade física sendo realizada.
Gênero: Masculino ou feminino (0 ou 1)
Sensor1: Resposta Galvânica da Pele (condutividade através da pele).
Sensor2: Fluxo de Calor (medida de calor perdido para o ambiente).
Sensor3: Temperatura Próxima do Corpo.
Sensor4: Pedômetro (número de passos).
Sensor5: Temperatura da Pele.
Sensor6: Medida da soma das diferenças absolutas de aceleração vertical.
Sensor7: Medida média de aceleração vertical.
Sensor8: Medida da soma das diferenças absolutas de aceleração horizontal.
Sensor9: Medida média de aceleração horizontal.
UserID: Código identificador do usuário.
SessionID: Código identificador da sessão.
SessionTime: Tempo referente a sessão.
As classes são identificadas pelo campo anotação. Quando a anotação é igual a 0
significa que o usuário não anotou o que ele estava fazendo naquele momento. Portanto,
você deve escolher será ira simplesmente ignorar os exemplos não rotulados ou irá
considerá-los exemplos negativos.
Infelizmente o fornecedor dos dados não informa exatamente qual é a atividade
representada por cada código do campo anotação. Conhecemos apenas o significado dos
seguintes códigos:
•
•
5102: Dormindo.
3104: Assistindo TV.
Entretanto, existem outras classes de atividades, as quais estão corretamente rotuladas
por um código. No trabalho todas as classes devem ser consideradas, mesmo sem
sabermos exatamente o que elas significam.
O conjunto de dados de treinamento pode ser acessado no seguinte link:
https://edirlei.com/aulas/ia/Trabalho4Treinamento.zip
O conjunto de dados de teste pode ser acessado no seguinte link:
https://edirlei.com/aulas/ia/Trabalho4Teste.zip
O trabalho consiste em treinar 4 classificadores diferentes com o conjunto de dados de
treinamento e depois fazer classificação do conjunto de dados de teste para verificar se o
classificador aprendeu a identificar corretamente as atividades físicas com base nos
dados fisiológicos captados pelos sensores. Os algoritmos de aprendizado
supervisionado que devem ser utilizados são:
•
•
•
•
Árvores de Decisão.
K-Nearest Neighbor (KNN)
Support Vector Machine (SVM)
Rede Neural (usando backpropagation)
O objetivo do trabalho é observar como cada um dos classificadores se comporta com
este conjunto de dados e qual apresenta o melhor resultado. No final do trabalho, deve
ser entregue um relatório descrevendo o resultado dos experimentos realizados para
cada um dos algoritmos, incluindo a taxa de acertos, tempo gasto no processo de
treinamento e tempo gasto no processo de classificação.
Informações Adicionais:
•
Não é necessário implementar todos os classificadores. É permitida a utilização
de bibliotecas externas, como por exemplo, a LibSVM (http://www.csie.ntu.edu
.
tw/~cjlin/libsvm/).
•
•
Não é necessário desenvolver um programa totalmente integrado. Você pode ter
um pequeno programa para cada classificador.
Provavelmente será necessário desenvolver um pequeno programa para formatar
os dados de treinamento e de teste para ele eles possam ser acessados mais
facilmente durante o processo de treinamento e classificação.
Os programas podem ser implementados em qualquer linguagem (C, C++, C#,
Java...).
•
•
Você deve decidir quais atributos serão utilizados pelos classificadores. A
classificação pode piorar ou melhorar dependendo do conjunto de atributos
utilizado.
•
•
Provavelmente será necessário normalizar os dados para se conseguir melhores
resultados.
IMPORTANTE: O conjunto de dados utilizado neste trabalho também foi
utilizado no concurso “Physiological Data Modeling Contest” que foi realizado
na “International Conference on Machine Learning (ICML)” em 2004. A página
do concurso pode ser uma importante fonte de informações para ajudar no
entendimento dos dados: http://www.cs.utexas.edu/users/sherstov/pdmc/
Forma de Avaliação:
Será avaliada a qualidade do relatório final e a correta utilização dos classificadores.
Neste trabalho, o mais importante será o relatório final contendo os resultados dos
testes. Entretanto, também será necessário apresentar os programas para comprovar os
dados do relatório.
Data de Entrega:
9/06
2
Forma de Entrega:
O programa e o relatório devem ser apresentados na aula do dia 29/06 (quarta) e
enviados até o dia 29/06 para o email edirlei.slima@gmail.com. Como estamos no final
do semestre, não serão aceitos trabalhos enviados depois desta data.