预测步数
人机交互
2016-10-19 v1
摘要
移动应用和穿戴设备正日益成为无处不在的身体活动追踪工具。我们提议利用自我追踪者的习惯来持续预测他们是否会达到每日步数目标，从而支持各种潜在的劝导性干预。我们的目标是通过利用历史数据以及其他定性（使用系统的动机、位置、性别）和定量（年龄）特征来改进预测。我们从两个活动追踪平台（Moves 和 Fitbit）收集了数据集，旨在检验我们从一个平台推导出的模型是否可推广到另一个平台。在本文中，我们建立了一条提取数据并将其格式化以用于建模的流水线。我们讨论了在数据集的特征选择和分类模型方面所采取的方法和发现。我们进一步讨论了模型在不同类型数据集间的可推广性概念，以及可能纳入非标准特征以进一步提高模型准确性的问题。
引用
@article{arxiv.1610.05455,
title = {Predict Moves},
author = {Adam Wang and Steve Chang and John Wilson},
journal= {arXiv preprint arXiv:1610.05455},
year = {2016}
}