Проблемы точности с пользовательским классификатором активности MLModel в Swift
Я чрезвычайно новичок в машинном обучении.
Я недавно обнаружил turicreate и хотел использовать его в проекте для классификации данных, выделяемых акселерометром и гироскопом.
Не желая собирать свои собственные данные, я загрузил очень большой набор данных HAPT из UC Irvine.
Я следовал вместе с turicreate учебник найден здесь. Здесь вы узнаете, как объединить набор данных HAPT в сеансы, создать фрейм SFrame и создать из него модель, разделив его на тестовые и обучающие наборы данных. Затем я экспортирую модель как .mlmodel файл для импорта в XCode, чтобы я мог попробовать использовать его с CoreML и CoreMotion для приложения, которое я создаю.
У меня есть один ViewController в приложении, и все, что он сейчас делает, - это получает данные акселерометра и гирометра, передает их в окно прогнозирования, а затем пытается прогнозировать на основе данных в этом окне. Это не делает отличную работу, мне интересно, что я могу сделать, чтобы улучшить качество этого. Мне также интересно, если я делаю что-то не так или плохо, так как я новичок в этом, я уверен, что я не мог бы легко распознать, если я делаю что-то не так.
Мой код для ViewController здесь. Я хотел бы получить любые отзывы о том, как я могу улучшить это и, надеюсь, получить лучшую точность. Прямо сейчас это похоже на 40% точности, но при запуске оценки модели в Spyder он требует 86% точности.
Спасибо за ваше время!