README.md

MoCap_Classificator

Projeto Final para a disciplina SCC0275 - Introdução à Ciência de Dados Alunos:

• Alexandre Norcia Medeiros - nUSP 10295583
• Caio Abreu de Oliveira Ribeiro - nUSP 10262839
• Daniel Penna Chaves Bertazzo - nUSP 10349581
• Vinicius Torres Dutra Maia da Costa - nUSP 10262781

Descrição:

Classificação entre 5 posições de mão analisando sensores de movimento em uma luva de captura de movimento do dataset MoCap Hand Postures, encontrado no repositório UCI

Etapas:

• Análise e pré-processamento dos dados brutos
• Definição dos modelos de classificação
• Otimização de hiperparâmetros (tuning)
• K-Fold Cross Validation
• Comparação da acurácia dos modelos

Modelos:

• K-nearest neighbors (KNN)
• Naive Bayes
• Support-Vector Machine (SVM)
• Multilayer Perceptron (MLP)
• Random Forest

Otimização dos hiperparâmetros:

• Extrair os valores dos parâmetros de cada método, visando a melhor performance possível
• Cálculo do erro médio variando os parâmetros, por meio do k-fold cross validation
• Valor de K no modelo KNN
• Kernel function no modelo SVM
• Tamanho da camada escondida e eta (decaimento dos pesos) no modelo MLP
• Número de árvores no modelo Random Forest

Resultados: