코딩게임

new data #시작하며 이전 시간까지 운동 성분으로 데이터를 표현하고 Error까지 적용시키는 과정을 진행하였다. 이번 포스팅에서는, 지난 글의 마지막에 언급했듯 Base Line부터 코드로서 직접 구현하여 온전하게 코드로서 만들어진 Raw data를 만들어 볼 것이다. 이는 이후 우리가 발명했던 Error Distance를 찾아내는 방법과 타 방법들을 비교 분석하기 위해, 독립된 비교군 Data sample을 구현하기 위해서이다. #Make Base Line 그렇다면 코드로서 어떻게 이상 운동증 환자가 그린 것과 같은 그림을 구현할 수 있을까? 이는 직선의 경우에는 하나의 축이 고정이 되어, 비교적 쉽게 접근할 수 있지만, 나선의 경우 계속해서 x, y값이 달라지고 중심점과의 각도까지 고려해야 되기..

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..