Nous avons choisi de travailler sur une application pédagogique qui permettra aux étudiants de manipuler la méthode non-supervisée nommé “K-MEAN”(expliquer dans le paragraphe intitulé K-Mean). De plus les étudiants pourront travailler avec leur propre données d'entrées en faisant leur propre acquisition. Ils pourront ainsi découvrir des profils, et trouver leur propre interprétation, ce faire leur propre opinions de l'efficacité de la méthode suivant les paramètres utilisés et leur valeur. (Cette partie n'est pas terminée)
C'est une méthode de quantification vectorielle, populaire pour l'analyse de clusterdans l'exploration de données. Etant donnée un ensemble de point (x1,x2,…,xn) on cherche à partitionner ces n points en k ensemble S tel que : S={S1,S2,…Sk} avec k≤n. Ce qu'on veut c'est minimiser la distance entre les points à l'intérieur de chaque partition ce qui revient à minimiser :
arg min ∑∑ || Kj - μi ||^2 pour i=1…k et Kj∈Si Minimum sur S
Il faut choisir k points qui représentent la position moyenne des partitions m1,m2…,mk initiales au hasard.
On répète jusqu'a ce qu'il y ait convergence :
C'est lorsqu'on obtient la convergence, c'est à dire lorsque les partitions ne changent plus ou bien l'on peut fixer un paramètre epsilon. Quand l'écart entre deux étape est inférieur a epsilon on considère que les résultats sont satisfaisant.
La méthode des K_means est donc performante sur une grande quantité de données. Pour détecter et lisser les variations, nous avons choisit de moyenner les données et d'observer les variations toutes les secondes dans un premier temps (si le paramètre temps est changé il sera affiché dans l'interface). Le principe est d'utiliser la méthode MSE : Mean Square Error à 1 dimension qui est la moyenne de chaque variations au carré.
Découverte du module et constitution des groupes
Préparation des machines et initiation au logiciel visual Studio 2015 à l'aide d'un TP.
Suite installation machine (window 10 + ajout des packages manquants), poursuite du TP. Conception du projet, définition des objectifs.
Validation du projet : Application pédagogique à l'apprentissage de l'utilisation de la méthodes des K-Mean. Définition des tâches, répartition du travail, programmation des codes primaires.
Fin du développement des classes pour effectuer les premières acquisitions des données. Dans un première temps on stockera toutes les données obtenu de tous les capteurs possible du téléphone :
- Lancement de l'application sous visual Studio 2015
- Première page : Log pour récupérer et stocker les données pour traitement futur :
- Exemple d'un premier log Activity 1
- Exemple simulation du bougé du téléphone
-Exemple page pour utilisation méthode des K-Means
Vous pouvez également sauvegarder vos données. Grâce à l'identification en début de session cela permet à l'utilisateur de conserver ses scan d'activités sans être mélanger avec les données et activités différentes d'autres utilisateurs.
Pour finir, une fois que vous avez acquis différentes données pour que l'application est une base de repère d'activités, vous pouvez aller dans scan activity. Cette option permet à l'utilisateur de voir en instantanée ce que l'application détecte sur son activité. Plus la base de données sera grande et variée, plus le scan activity sera performant.