Comparative Analysis: Raw vs Filtered vs Combined Data
Questa analisi fornisce un confronto tra le prestazioni di un modello di rete neurale addestrato con dati di sensori raw, dati filtrati e una combinazione di entrambi. Di seguito sono riportati i risultati in termini di accuratezza, precisione, recall e F1 score.
| Metric | Raw Data | Filtered Data | Combined Data |
|---|---|---|---|
| Accuracy | 93.68% | 89.17% | 92.06% |
| Precision | 100.00% | 97.32% | 100.00% |
| Recall | 78.92% | 65.66% | 73.49% |
| F1 Score | 88.22% | 78.41% | 84.72% |
Key Findings
- Il modello addestrato sui dati raw ha ottenuto le migliori prestazioni generali, con la massima accuratezza e recall.
- Il modello addestrato sui dati filtrati ha ottenuto un recall inferiore, ma ha mantenuto una precisione elevata.
- Il modello addestrato sui dati combinati ha fornito prestazioni bilanciate, con risultati intermedi tra i modelli raw e filtrati.
- In questo caso, i dati raw hanno fornito le informazioni più complete per classificare correttamente il movimento.
Questa analisi evidenzia che, mentre il filtraggio può rimuovere il rumore, potrebbe anche eliminare informazioni utili. Una combinazione di entrambe le tecniche può essere più efficace in scenari più complessi.