PPG 데이터는 시간 값을 갖는 데이터이다. 시계열을 살리면서 ppg의 파형을 학습하는게 좋다.

data shape

(29, 150002)

차원이 크지만 표본 자체가 적어서 학습이 잘 되지 않았다.

torch를 이용해서 학습(1d-conv)

svm 을 이용하여 classifier 학습

tree 계열의 decision classifier를 이용하여 학습(최종)

아쉬운 점

데이터가 적어서 augmentation을 이용하여 데이터에 학습을 하였는데 이 과정에서 window 슬라이딩을 이용하였다. 그렇지만 window 슬라이딩은 한 사람의 window 사이즈의 시계열 데이터를 보는 것이므로 부정맥인 사람이더라도 정상적인 ppg 데이터가 들어왔을 경우에도 해당 데이터를 부정맥으로 labeling하므로 부정확할 수 있다.

부정맥인 경우는 recall (실제 부정맥 중에 올바르게 부정맥으로 예측한 비율)이 상대적으로 낮아서 아쉬웠다.