Estudio de las técnicas de preprocesado y clasificación en la predicción del comportamiento del ganado

Abstract

En este trabajo se estudia el impacto de ciertas características de las etapas de preprocesado y clasificación en un proyecto de Machine Learning dentro del contexto de reconocimiento de la actividad animal (Animal Activity Recognition, AAR) con sensores inerciales. Para ello se realiza un estudio del estado del arte, con objeto de determinar los retos, técnicas y aspectos a tener en cuenta en AAR, concluyendo con la identificación de las características a analizar y los modelos a utilizar en este trabajo. A continuación, se han implementado diversos programas en Python, que permiten explorar diferentes combinaciones de características y entrenar diversos modelos a partir de los datos contenidos en un conjunto de datos (dataset) público. Finalmente se lleva a cabo una evaluación de dicha exploración en base a varias métricas, para determinar qué características han sido clave en el proceso. También se ha analizado el impacto que tienen dichas características en el uso de sensores de bajo consumo con aceleradores para Machine Learning, claves en el futuro uso comercial de estas tecnologías.

This document presents an analysis of the effect of certain features from the steps of preprocessing and classifying in a Machine Learning project in the context of Animal Activty Recognition with inertial sensors. To achieve this, it begins by finding in the literature how a project is organized and then the features to analyze are selected. Pyhon’s scripts are created in order to implement the different combinations of these features and to train several models with data within a public dataset. Finally, the models are evaluated based on some metrics to figure out which features have been key in the process.