Estudio del rendimiento en ciclistas mediante técnicas del Aprendizaje Automático

Abstract

RESUMEN: En el presente trabajo se analizarán los datos obtenidos de varios ciclistas que participaron en un experimento. En él se recogieron distintas variables fisiológicas (la saturación de oxígeno en la sangre, la concentración de lactato, el nivel de glucosa, etc.), medidas antes y después de someter a los ciclistas a tres pruebas de esfuerzo. Como primer objetivo, se busca comprender si hay diferencias en el valor de las variables seleccionadas entre atletas de distintas categorías (en el estudio había tanto ciclistas profesionales como amateurs), y agrupar los participantes en dos subconjuntos lo más homogéneos posibles para identificar los rasgos comunes de cada uno de los grupos hallados. En segundo lugar, se pretende encontrar un modelo capaz de predecir el rendimiento de los individuos (en este estudio nos centramos en el valor de potencia media registrado por el potenciómetro de la bicicleta en un trayecto de montaña con pendiente pronunciada durante los 20 minutos de la prueba). Esto permitiría definir entrenamientos personalizados para los deportistas y lograr así mejoras en su rendimiento o evitar algunos problemas clásicos en los deportistas como es el sobreentrenamiento. Para dar respuesta a las cuestiones planteadas, se emplearán distintas técnicas de aprendizaje supervisado y no supervisado: agrupamiento (clustering), clasificación y regresión. En particular, se estudiarán algunos de los algoritmos más conocidos como son: k-medias (kmeans), Expectation-Maximization, k vecinos más cercanos (k-Nearest Neighbor ), máquinas de soporte vectorial, entre otros. De cada algoritmo se estudiarán sus fundamentos teóricos, así como sus propiedades más relevantes. Aunque el dataset es bastante pequeño como para que los resultados del estudio sean concluyentes, las técnicas empleadas y el software desarrollado son perfectamente escalables en caso de disponer de una cantidad mayor de datos.

ABSTRACT: his paper will analyse data obtained from several cyclists who participated in an experiment. This experiment collected different physiological variables (blood oxygen saturation, lactate concentration, glucose level, etc.), that were measured before and after subjecting the cyclists to three performance tests. As a first objective, we seek to understand whether there are differences in the values of selected variables between athletes of different categories (in the study there were both professional and amateur cyclists), and to group the participants into two subsets as homogeneous as possible in order to identify the common features of each of these groups. Secondly, we would like to find a model capable of predicting the performance of individuals (in this study we focused on the average power value recorded by the bicycle’s potentiometer on a steep mountain road during the 20 minutes of the test). This would make it possible to define personalized training for athletes (and thus achieve improvements in their performance) or avoid some classic problems in athletes such as overtraining. In order to answer the questions posed, different supervised and unsupervised learning techniques will be used: clustering, classification and regression. In particular, some of the best known algorithms will be studied, such as: k-means, expectation-maximization, k-Nearest Neighbours, support vector machines, among others. The theoretical foundations of each algorithm will be studied, as well as their most relevant properties. Although the dataset is not big enough for the results of the study to be conclusive, the techniques used and the software developed are perfectly scalable in case of having a larger amount of data.