Główne pojęcia
XGBoostとMinirocketは人間活動認識タスクで高い性能を示し、特にXGBoostはトレーニング効率において優れている。
Streszczenie
この研究では、Extreme Gradient Boosting(XGBoost)とMiniRocketの2つの機械学習モデルが人間活動認識問題における効果を探求しています。両モデルはほぼ完璧な精度、F1スコア、およびAUCを達成しました。XGBoostはわずかに優れたパフォーマンスを示しましたが、トレーニング効率において特に優れています。また、Minirocketは生データを使用した場合でも優れた結果を示しました。さらに、他の最新の研究から報告されたさまざまなアルゴリズムとの比較も行われ、XGBoostとMinirocketがHAR領域で優れたパフォーマンスを発揮していることが再確認されました。
Statystyki
XGBoostは0.99の精度、F1スコア、およびAUCを達成した。
Minirocketは0.94〜0.96の精度、F1スコア、およびAUCを達成した。
X軸やY軸など個々のチャンネルごとに異なる結果が得られた。
Cytaty
"Both XGBoost and Minirocket demonstrated remarkable performance in classifying human activities, achieving near-perfect accuracy, F1 score, and AUC."
"XGBoost exhibited marginally superior performance compared to Minirocket, particularly in terms of training efficiency."