코딩게임

속도 구현 #시작하며 지난 포스팅까지는 데이터를 형성하여 smoothing을 통해 데이터의 이질감을 제거하였다. 이번 과정에서는, 생성한 데이터를 토대로 구성되는 Pair들을 점진적으로 제거함으로, 환자가 실제로 그릴 때 발생하는 그리기 속도를 구현해볼 것이다. #속도 구현 사람이 그린 것과 같은 속도를 표현하려면 어떤 것이 필요할까? 일단 Pair로 구성된 데이터에, 구간을 설정하여 해당 구간마다 상이한 삭제 비율을 설정하여 점진적으로 적용해야 할 것이다. 구간 설정하기 가장 우선적으로 실행해야 할 것은 구간을 설정하는 것이다. 일정하게 설정한 수만큼 구간을 나눈다면, 실제 데이터와 거리감이 생길 수 있기 때문에, 랜덤 하게 구간을 설정하였다. 위 그림은, 구간의 수를 10개로 설정한 뒤에 랜덤 하게 ..

모델링 방법 고안 #시작하며 지난 시간까지는, 데이터에 Error를 증가시키는 방법들을 고안하여 Raw data에 적용시키는 과정을 수행하였다. 해당 과정에 이어서, 이번 포스팅에서는 데이터를 운동 성분과 떨림 성분으로 구분하여, Error Distance에 해당하는 운동 성분을 가지고 데이터 모델링을 진행해 볼 것이고, 해당 모델링의 방법들도 여러 가지 상황에서 고안해 볼 것이다. # How to make? 그렇다면 떨림 성분과 운동 성분이란 무엇일까? 위 그림은, 환자가 데이터를 측정하는 START지점에서 시작하여, 이상 운동증의 척도를 측정하는 과정에 대해서 설명한 알고리즘 흐름도다. 떨림의 주파수인 Tremor frequency power(Hz), Tremor Magnitude power(cm),..

데이터 모델링 #시작하며 지난번 포스팅까지, 기존 나선 그리기 검사 Raw data를 가지고 ED, Error Distance 값을 증감시키는 데이터를 생성해보았다. 하지만 해당 데이터는, 앞서 말했듯이 실제 사람이 측정한 Raw data와는 많은 이질감이 있었고, Error를 더 높일수록 그 이질감은 비례해서 증가했기 때문에 실제 Raw data의 모습과 유사한 데이터 샘플 생성을 목표로 프로젝트를 이어 진행하였다. #데이터 생성 먼저 Raw data를 기준으로 데이터를 증감시킬수 있는 방법에 대해 생각해 보았다. 기존 데이터를 바탕으로 데이터의 Error 정도를 증감시킬 수 있는 방법은 2가지로 판단된다. 위 그림에 보이는 Case1, Case2를 생각할 수 있었다. 먼저 Case 1의 경우, 왼쪽에..