студент
Россия
Статья посвящена построению и исследованию модели машинного обучения XGBoost для классификации фитнес-упражнений. Отмечается, что оценка корректности выполнения фитнес-упражнений человеком является одной из актуальных тем в области машинного обучения и искусственного интеллекта. Использование алгоритмов машинного обучения для решения этой задачи позволяет выявлять ошибки в технике движений, оценивать эффективность тренировок и предоставлять персонализированные рекомендации по коррекции физической активности и улучшению биомеханики движений человека в процессе реабилитации пациентов. Для решения поставленной задачи, обучения и тестирования модели выбран набор данных «Physical Therapy Exercises Dataset» из репозитория UCI Machine Learning Repository. Набор состоит из 1 378 015 записей, собранных в ходе тренировочных сессий в тренажерном зале с участием пяти испытуемых, выполнявших восемь типов физиотерапевтических упражнений с использованием инерциальных измерительных блоков и магнитных датчиков. Каждый из восьми классов упражнений представлен 55 файлами (12,5% датасета), что обеспечивает сбалансированность выборки и исключает смещение модели. Все данные случайным образом разделены на обучающую (80%) и тестовую выборку (20%). Для построения модели XGBoost использовалась интегрированная среда разработки PyCharm, а также средство для работы с блокнотами Notepad++. В качестве оптимизации производительности применялся прореживание данных, что позволило значительно сократить время построения и оценки модели. Предусмотрена возможность выбора пользователем коэффициента децимации в диапазоне от 1 до 10. При максимальном прореживании (sample_rate=10) частота дискретизации снижается с 25 Hz до 2.5 Hz. Данная оптимизация обеспечивает десятикратное ускорение загрузки (с 3-5 минут до 20-30 секунд) при сохранении точности классификации на уровне 90-92%. Дополнительно реализован батчинг данных, предполагающий пакетную обработку по 10 000 записей за итерацию для снижения нагрузки на оперативную память. Кроме того, проведено сравнение точности построенной модели с точностью других методов классификации. Для интерактивного представления результатов исследования было выбрано streamlit-приложение. Среди всех построенных моделей XGBoost показала самые высокие результаты по точности, что указывает на ее эффективность. Таким образом, модель можно эффективно использовать в качестве инструмента для оценки правильности выполнения фитнес-упражнений, например, на базе мобильного или веб-приложения.
КЛАССИФИКАЦИЯ ФИТНЕС-УПРАЖНЕНИЙ, МАШИННОЕ ОБУЧЕНИЕ, МОДЕЛЬ XGBOOST, АНАЛИЗ ВРЕМЕННЫХ РЯДОВ, МОДЕЛИРОВАНИЕ, МЕТРИКИ КАЧЕСТВА КЛАССИФИКАЦИИ
1. А.А. Василюк, Инновации. Наука. Образование, 32, 1487-1492 (2021). EDN: https://elibrary.ru/LFAXEV
2. М.А. Подольская, А.С. Катасёв, Казанский медицинский журнал, 88, 4, 346-351 (2007). EDN: https://elibrary.ru/KVJJOL
3. А.С. Катасёв, М.А. Подольская, Неврологический вестник, 38, 3-4, 85-90 (2006). EDN: https://elibrary.ru/JVUFZT
4. A.Y. Nikitaeva, A.B.M. Salem, Journal of Institutional Studies, 14, 1, 108-126 (2022). DOI: https://doi.org/10.17835/2076-6297.2022.14.1.108-126; EDN: https://elibrary.ru/BSCCQN
5. В.Ф. Карпович, Инновационная наука, 1, 2-2, 117-121 (2026). EDN: https://elibrary.ru/RCMJCI
6. В.В. Носкин, А.Р. Донская, Д.Р. Черкашин, С.Г. Грошев, Моделирование, оптимизация и информационные технологии, 13, 4 (51) (2025).
7. В.И. Янковский, Н.Д. Тодосиев, С.А. Щукин, Ю.Е. Гапанюк, Динамика сложных систем - XXI век, 14, 3, 35-43 (2020). DOI: https://doi.org/10.18127/j19997493-202003-03; EDN: https://elibrary.ru/SZPWLT
8. Г.П. Иванова, Труды кафедры биомеханики университета им. П.Ф. Лесгафта, 17, 6-10 (2023). EDN: https://elibrary.ru/HLPITG
9. Р.Н. Минниханов, Т.Р. Баторшин, Р.М. Габбазов, Р.И. Фахразиев, А.С. Катасёв, М.В. Дагаева, И.Р. Бадрутдинов, Электронные библиотеки, 28, 4, 884-902 (2025). DOI: https://doi.org/10.26907/1562-5419-2025-28-4-884-902; EDN: https://elibrary.ru/UFIWKX
10. О.А. Пырнова, Р.С. Зарипова, Информационные технологии в строительных, социальных и экономических системах, 1 (15), 82-84 (2019). EDN: https://elibrary.ru/AHFBTU
11. I.A. Medvedeva, M.V. Vanslav, M.A. Ragozina, Natural and Technical Sciences, 7 (170), 177-178 (2022).
12. М.В. Дагаева, Д.В. Катасёва, А.С. Катасёв, Информация и безопасность, 21, 4, 540-545 (2018). EDN: https://elibrary.ru/YTEQEP
13. А.С. Катасёв, Ч.Ф. Ахатова, Наука и образование: научное издание МГТУ им. Н.Э. Баумана, 12, 34-42 (2012). EDN: https://elibrary.ru/PMKDOP
14. М.Г. Нуриев, Р.М. Гизатуллин, В.А. Дроздиков, Э.И.Павлова, Журнал радиоэлектроники, 6, 14-29 (2019). DOI: https://doi.org/10.30898/1684-1719.2019.6.7; EDN: https://elibrary.ru/HBOBRH
15. А.Д. Обухов, Научно-технический вестник информационных технологий, механики и оптики, 25, 5, 833-843 (2025). DOI: https://doi.org/10.17586/2226-1494-2025-25-5-833-843; EDN: https://elibrary.ru/CMRNEX
16. Д.А. Набиуллин, В.В. Кононова, С.В. Новикова, Вестник Технологического университета, 24, 6, 103-107 (2021). EDN: https://elibrary.ru/PJNLIK
17. К.А. Матвеева, Р.Н. Минниханов, А.С. Катасёв, Вестник Технологического университета, 27, 1, 76-80 (2024). DOI: https://doi.org/10.55421/1998-7072_2024_27_1_76; EDN: https://elibrary.ru/ZLWHXQ
18. Д.В. Катасёва, А.И. Баринов, Вестник Технологического университета, 25, 1, 69-72 (2022). EDN: https://elibrary.ru/ELCOYU
19. О.А. Пырнова, Д.П. Никоноров, Экономика и управление: проблемы, решения, 12, 2 (155), 118-123 (2025).
20. Р.И. Юсупова, Р.С. Зарипова, М.Г. Нуриев, Казанская наука, 2, 201-203 (2025). EDN: https://elibrary.ru/BQNPGY
21. Л.Ю. Емалетдинова, Н.Р. Вильданов, А.С. Катасёв, Научно-технический вестник Поволжья, 6, 62-64 (2023). EDN: https://elibrary.ru/BLDCMH
22. Е.В. Бурнаев, Информационные процессы, 20, 2, 161-170 (2020). EDN: https://elibrary.ru/BBXRMQ
23. Р.Г. Асадуллаев, А.Н. Афонин, Е.С. Щетинина, Экономика. Информатика, 48, 4, 735-746 (2021). DOI: https://doi.org/10.52575/2687-0932-2021-48-4-735-746; EDN: https://elibrary.ru/NFDBUX
24. https://archive.ics.uci.edu/: сайт. – URL: https://archive.ics.uci.edu/dataset/730/physical+therapy+exercises+dataset (дата обращения: 24.03.2026).
25. Д.В. Катасёва, Д.Д. Лосева, Вестник Технологического университета, 25, 1, 77-80 (2022). EDN: https://elibrary.ru/JREERL
26. D.T. Le, M.H. Dao, Q.L.T. Nguyen, Information and Control Systems, 3 (106), 59-70 (2020).
27. Р.Н. Минниханов, Т.Р. Баторшин, Р.М. Габбазов, Р.И. Фахразиев, А.С. Катасёв, Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии, 3, 110-122 (2025). DOI: https://doi.org/10.17308/sait/1995-5499/2025/3/110-122; EDN: https://elibrary.ru/IZSMOZ
28. В.В. Дьякова, In Situ, 6, 8-11 (2022). DOI: https://doi.org/10.54296/18186173_2022_1_11
29. А.С. Катасёв, Д.В. Катасёва, Ю.Н. Смирнов, В.Л. Васильев, Вестник Технологического университета, 27, 9, 115-119 (2024). DOI: https://doi.org/10.55421/1998-7072_2024_27_9_115; EDN: https://elibrary.ru/FXYJYX
30. Т.А. Пузыня, Инновации и инвестиции, 5, 520-521(2024). EDN: https://elibrary.ru/JFLWNV
31. И.В. Аникин, Р.Н. Минниханов, М.В. Дагаева, А.З.Махмутова, А.Р. Марданова, Вестник НЦБЖД, 4 (50),24-34 (2021). EDN: https://elibrary.ru/BDQRQN
32. К.В. Беллонин, А.В. Шокуров, Интеллектуальные системы. Теория и приложения, 25, 4, 256-260 (2021). EDN: https://elibrary.ru/YBKIPF
33. И.В. Аникин, А.Р. Марданова, Математические методы в технологиях и технике, 1, 83-87 (2021). DOI: https://doi.org/10.52348/2712-8873_MMTT_2021_1_83; EDN: https://elibrary.ru/ABNHRI
34. C. Wang, C. Deng, S. Wang, Pattern Recognition Letters, 136, 190-197 (2020). DOI: https://doi.org/10.1016/j.patrec.2020.05.035; EDN: https://elibrary.ru/MUBEUP
35. О.Н. Мадяр, Е.А. Попова, Экономика: вчера, сегодня, завтра, 14, 11-1, 226-239 (2024). DOI: https://doi.org/10.34670/AR.2024.95.50.025; EDN: https://elibrary.ru/LQXBQE
36. В.А. Буланов, О.Е. Фомичева, Приборы и системы. Управление, контроль, диагностика, 3, 33-37 (2020). DOI: https://doi.org/10.25791/pribor.03.2020.1160; EDN: https://elibrary.ru/QLMAXY
37. Б. Курбанов, А.С. Катасёв, Д.В. Катасёва, Б.Р. Зиннуров, Вестник Технологического университета, 27, 12, 158-164 (2024). DOI: https://doi.org/10.55421/1998-7072_2024_27_12_158; EDN: https://elibrary.ru/BWIUXW
38. A.N. Boruah, S.K. Biswas, S. Bandyopadhyay, Evolving Systems, 14, 1, 69-83 (2023). DOI: https://doi.org/10.1007/s12530-022-09434-4; EDN: https://elibrary.ru/LMDIZB
39. О.А. Пырнова, А.С. Катасёв, Инженерный вестник Дона, 4 (112), 578-584 (2024). EDN: https://elibrary.ru/TPGUGD
40. Q. Qiu, Applied and Computational Engineering, 135, 1,175-183 (2025). DOI: https://doi.org/10.54254/2755-2721/2025.21217; EDN: https://elibrary.ru/VTNYNU
