Actualización Carpeta Experimentos Clasificadores

[J0SEF4]

Ahora dividí en carpetas:

• 1era Semana y 2da Semana, así está separado en que hicimos cada semana.

  1era Semana/Con example marcha:

• Es una carpeta con modelos usando example_marcha. Dentro de esta carpeta están las carpetas con modelos /Con Redes Neuronales y /Sin Redes Neuronales.

2da Semana/Con example marcha larga:

• Carpeta con modelos usando example_marcha_larga. Dentro de esta carpeta están las carpetas con modelos /Con Redes Neuronales y /Sin Redes Neuronales.

En 2da Semana/Aumentar fases:

• Desarrollo de aumentar fases de 10-16 aprox.

En 2da Semana/Espectrograma:

• Explorando el uso del espectrograma como única característica con redes neuronales (se agregó anteriormente features.ipynb donde se calcula el espectrograma de uno de los músculos). Además, se espera, en lugar de calcular features con base en la ventana móvil, entregarle a la red neuronal el array en el espectrograma. Por último, buscar implementar ventana móvil para clasificación de datos.

2da Semana/Selección y Reducción de Features:

• Poder ver el peso de las features, y seleccionar las features más importantes.

[J0SEF4]

Resultados usando example_marcha_larga:

Con Hold Out y sin Redes Neuronales, mejores resultados:

• PLSR 20 componentes: mlp y knn-10 = 88%
• SFS 20 componentes: random forest depth 100 = 78%
• PCA 20 componentes: svm rbf 3 = 76%
• ICA 20 componentes: mlp layer 2 = 79%

Con Validación Cruzada sin Redes Neuronales, mejores resultados:

• Con SFS: random forest depth 15, random forest depth 30, random forest n_estimators 300, extra trees = 90%
• Sin SFS: random forest depth 15, random forest depth 30, random forest depth 100, random forest n_estimators 300, extra trees = 90%

Con Hold Out con Redes Neuronales, mejores resultados:

• Simple NN= 69%
• CNN= 70%
• RNN= 70%