2016/10/12(水)にIoTビジネスブーストアッププログラム「AIDOR」のIoTサービス編で使用したハンズオンスライドです https://www.sansokan.jp/events/eve_detail.san?H_A_NO=21644

1. プロトタイピング基礎（I）
AIDOR - IoTビジネスブートアッププログラム
ハンズオン・HASCとWekaを使って行動認識
2016/10/12(水)

2. プロトタイピング基礎（I）
概要
• 機械学習を使用した行動認識の流れを体験
• スマートフォンを用いて行動のロギング
• PC上で行動認識を行う
2
行動データ
識別

3. プロトタイピング基礎（I）
手順
3
行動データ
の計測
行動データ
をPCに移動
特徴量を抽出 データをマージ データを学習
モデルの評価

4. プロトタイピング基礎（I）
使用するツール
• HASC – Human Activity Sensing Consortium
– HASC Logger
動作をロギングするスマホアプリ. 加速度, ジャイロ, 地磁気等様々なセンサ
データを同時計測可能
– HASC Tool
HASC Loggerで計測したデータを処理するためのツール. 特徴量の抽出や機
械学習, GUIベースで処理を組める
• Weka
機械学習やデータマイニングができるソフトウェア. Javaベースで開発. 色んな
分類器を試すことができる.
4

5. プロトタイピング基礎（I）
HASC Loggerでのデータ取得
• 好きな動作を計測してみましょう
• 計測した動作を識別します
• 最低3種類決めてください
動作の例
– 動かない, 歩く, ジョギング, スキップ, ジャンプ, 階段の上り・下り など
5

6. プロトタイピング基礎（I）
計測の方法
• HASC Loggerを使用
• ポケットに入れて計測を行います
• 1動作×10秒×3回 (10秒間同じ動作を続ける)
• 計測時間の指定方法
Android : Settings > Logging Duration(sec)
iOS : 設定 > HascLogger > LOGGING OPTION > Logging Duration(sec)
• Start Sensing After Delayで始めると5秒後に計測開始
– 5秒の間にポケットに入れて動作を始めておく
– 動作をしている途中で計測が始まるのが良い
• MetadataのTagsに何の動作か残しておきましょう(日本語 ×)
6

7. プロトタイピング基礎（I）
HASC Toolの準備
• 新規のプロジェクトを作成 「AIDORProject」
• 用意したファイルをプロジェクトにコピー
– ドラッグ&ペースト もしくは インポート
7
• Data
– 計測したデータの置き場
• HASCXBD
– 特徴量の抽出処理
• mergy.py
– ファイルをマージするPythonスクリプト

8. プロトタイピング基礎（I）
計測したデータの取り込み⑴
• アプリのデータはネットワーク経由で受け渡し
– データを送るフォルダをクリック
– 図のボタンをクリック
– ポートを選択 (8080)
• PCのIPアドレスを調べる
– Mac : terminalでifconfig
– Win : コマンドプロンプトでipconfig
• IPアドレスをアプリに設定
例 「http://192.168.0.2:8080」
– Android : Settings > Server URL
– iOS : 設定 > HascLogger > UPLOAD LOGS > Server URL
8
ここを押す

9. プロトタイピング基礎（I）
計測したデータの取り込み⑵
• データをUpload
– アプリ側からUploadする
– うまくいけば右のようにデータが
取り込まれる
• データを行動別に整理
– フォルダ名が行動名となります
– .metaファイルを参考に
– ***-acc.csvファイルのみ必要
9

10. プロトタイピング基礎（I）
特徴量の抽出
• HASCXBD > xbdExe_CSVFileSelect.hascxbdを実行
– 特徴量は平均, 分散, 周波数スペクトル(4帯域)のノルム
• Featureフォルダが作成され, 特徴量が保存される
• merge.pyを実行 ( python merge.py )
• weka-data.csvが出力される
10

11. プロトタイピング基礎（I）
Wekaでのデータの読み込み
• Wekaを起動
– 「Explorer」を選択
11
• ファイルの読み込み
– 「Open file..」を選択
– weka-data.csvを読み込む

12. プロトタイピング基礎（I）
決定木による行動識別
• Classify > Classifier > Choose
• 学習器の選択
– weka > classifiers > trees > J48
– Test options > Use training set > start
– Result list > tree.J48 > 右クリック > Visualize tree
12

13. プロトタイピング基礎（I）
学習と評価のオプション
• Use training set
– 学習データとテストデータが一緒
• Supplied test set
– 別ファイルに用意したテストデータを識別
• Cross-validation
– データをm個に分割
– m - 1個を学習, 1個をテストに使用
– テスト用のデータを交換してm回行う
• Percentage split
– 指定した割合のデータを学習
13

14. プロトタイピング基礎（I）
モデルの評価
14
stUpをwalkと誤識別
正答率

15. プロトタイピング基礎（I）
他の学習器
• ベイジアンネットワーク
– weka > classifiers > bayes > BayesNet
• ナイーブベイズ
– weka > classifiers > bayes > NaiveBayes
• ロジスティック
– weka > classifiers > functions >
SimpleLogistic
• サポートベクターマシン
– weka > classifiers > functions > SMO
• ランダムフォレスト
– weka > classifiers > trees > RandomForest
15