MHfit：利用机器学习基于移动健康数据预测运动体能
机器学习
2023-04-27 v2 计算机与社会
摘要
手机及其他电子设备或装置已辅助实现无需数据录入的数据收集。本文专门关注移动健康数据。移动健康数据利用移动设备收集临床健康数据并实时追踪患者生命体征。我们的研究旨在为小型或大型运动队提供决策，判断某运动员是否适合特定比赛，通过比较多种机器学习算法，利用从移动设备和置于患者身上的传感器收集的数据预测人类行为与健康状况。本研究中，我们从一项类似的 mhealth 研究中获取数据集。该数据集包含十名不同背景志愿者的生命体征记录。他们需在身上放置传感器完成若干体力活动。我们的研究使用 5 种机器学习算法（XGBoost、Naive Bayes、Decision Tree、Random Forest 和 Logistic Regression）来分析并预测人类健康行为。XGBoost 相较其他机器学习算法表现更优，取得了 95.2% 准确率、99.5% 灵敏度、99.5% 特异度和 99.66% F1 分数。我们的研究表明 mhealth 在预测人类行为方面前景广阔，需进一步研究探索以使其可用于商业用途，特别是在体育行业。
引用
@article{arxiv.2304.04839,
title = {MHfit: Mobile Health Data for Predicting Athletics Fitness Using Machine Learning},
author = {Jonayet Miah and Muntasir Mamun and Md Minhazur Rahman and Md Ishtyaq Mahmud and Sabbir Ahmed and Md Hasan Bin Nasir},
journal= {arXiv preprint arXiv:2304.04839},
year = {2023}
}
备注
6, Accepted by 2nd International Seminar on Machine Learning, Optimization, and Data Science (ISMODE)