Optimizing Emotion Recognition with Wearable Sensor Data: Unveiling Patterns in Body Movements and Heart Rate through Random Forest Hyperparameter Tuning

要約

この研究では、スマートウォッチのセンサーデータと心拍数モニタリングを利用して、体の動きと心拍数に基づいて個人の感情を識別する方法について詳しく調査しています。
感情は人間の生活において極めて重要な役割を果たし、精神的な幸福、生活の質、さらには身体的および生理学的反応にさえ影響を与えます。
データは、Juan C. Quiroz 博士による以前の研究から得られました。
この研究には、スマートウォッチと心拍数モニターを装着した 50 人の参加者が参加し、250 メートルの歩行を完了しました。
感情は視聴覚刺激と聴覚刺激の両方を通じて誘発され、参加者の感情状態は PANAS アンケートを使用して評価されました。
この研究では、歩く前に映画を見る、歩く前に音楽を聴く、歩きながら音楽を聴くという 3 つのシナリオを精査しました。
個人ベースラインは、sklearn ライブラリの「most_frequent」戦略を備えた DummyClassifier を使用して確立され、ロジスティック回帰やランダム フォレストなどのさまざまなモデルがこれらのアクティビティの影響を測定するために採用されました。
特に、RandomizedSearchCV を使用してランダム フォレスト モデルにハイパーパラメータ調整を組み込むことで、新しいアプローチが行われました。
その結果、ランダム フォレスト モデルでのハイパーパラメータ調整による大幅な強化が示され、幸福対悲しみの平均精度は 86.63%、幸福対中立対悲しいの平均精度は 76.33% でした。

要約(オリジナル)

This research delves into the utilization of smartwatch sensor data and heart rate monitoring to discern individual emotions based on body movement and heart rate. Emotions play a pivotal role in human life, influencing mental well-being, quality of life, and even physical and physiological responses. The data were sourced from prior research by Juan C. Quiroz, PhD. The study enlisted 50 participants who donned smartwatches and heart rate monitors while completing a 250-meter walk. Emotions were induced through both audio-visual and audio stimuli, with participants’ emotional states evaluated using the PANAS questionnaire. The study scrutinized three scenarios: viewing a movie before walking, listening to music before walking, and listening to music while walking. Personal baselines were established using DummyClassifier with the ‘most_frequent’ strategy from the sklearn library, and various models, including Logistic Regression and Random Forest, were employed to gauge the impacts of these activities. Notably, a novel approach was undertaken by incorporating hyperparameter tuning to the Random Forest model using RandomizedSearchCV. The outcomes showcased substantial enhancements with hyperparameter tuning in the Random Forest model, yielding mean accuracies of 86.63% for happy vs. sad and 76.33% for happy vs. neutral vs. sad.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google