Smarta textilier läser av kroppshållning – maskininlärning förklarar hur

arXiv cs.AI

Forskare har tränat en XGBoost-modell (en typ av beslutsträdsalgoritm) på data från ett tryckkänsligt stickad ärm för att kategorisera kroppshållning – och nådde 81,8% träffsäkerhet på testpersoner som modellen aldrig sett under träningen. Det intressanta är inte bara siffrorna, utan att de använde SHAP-förklaringar för att visa exakt vilka tryckmönster som styr besluten, vilket är avgörande om sådana här prylar ska fungera i verkliga vårdsituationer. En enklare CNN-modell på rådata presterade ungefär lika bra, vilket antyder att smart feature-engineering fortfarande håller jämna steg med djupinlärning på den här typen av uppgifter.