iOS lietotnes “Superday” gudro minējumu uzlabošana

Abstract

Šajā darbā tiek izpētīti vairāki klasifikācijas modeļi, ko varētu potenciāli ieviest lietotnē “Superday”, kura ir automātiska laika uzskaites lietotne - tā mēģina uzminēt, kā lietotājs ir pavadījis savu dienu - cik daudz laika veltīts darbam, atpūtai, ģimenei, sportam u.c. Mašīnmācīšanās modeļi tiks izmantoti, lai mēģinātu uzminēt lietotāja aktivitāti un šie minējumi tiks balstīti uz atrašanās vietas un kustību datiem, ko piedāvā iOS. Lai nonāktu pie gala rezultāta darbs tiek sākts ar datu ievākšanu, kam seko neliela ievākto datu analīze, lai labāk saprastu, kāds klasifikācijas modelis būtu vispiemērotākais. Pēc tam tiek izpētīti un analizēti vairāki mašīnmācīšanās modeļi, ko piedāvā scikit-learn mašīnmācīšanās bibliotēka.

This work explores several classification models that could be potentially implemented in the iOS app called Superday, which is an automatic time tracking application - it tries to guess how a user has spent his day - how much time is devoted to work, recreation, family, sports, and more. Machine learning models will be used to try and guess user activity, and these guesses will be based on the location and motion data provided by iOS. To get to the end result, work begins with data collection, followed by a small analysis of the data collected, in order to better understand which classification model would be most appropriate. Thereafter, several machine learning models offered by the scikit-learn machine learning library are explored and analysed.