Buenos días, no sabía muy bien donde ubicar esto. Como mis dudas no son de programación, pruebo a ponerlo en este subforo. Lo siento si me he equivocado.
Estoy realizando una aplicación que utiliza el algoritmo Dynamic Tyme Warping para comparar si dos secuencias temporales desfasadas . Este algoritmo devuelve una distancia \( distDTW \)cada vez que introduzco dos secuencias.
Bien, pues yo quiero establecer un umbral \( \mu \) tal que, comparada una secuencia de muestra con una secuencia patrón, si
\( distDTW \leq{umbral} \longrightarrow{ gesto_reconocido} \)
Bueno. Pues yo he visto que hay gente que utiliza el método de la validación cruzada, pero he visto la wikipedia y no comprendo muy bien como se utiliza:
Yo tengo una conjunto de 10 secuencias (por ejemplo) y entonces, realizo una serie de pasos.
1º: Tomo como muestra de validación una de las 10 secuencias y las otras 9 secuencias como muestra de entrenamiento. Por tanto, calculo 9 distancias.
2º: Ahora, hasta que cada una de las 10 secuencias se ha usado una vez como dato de validación, repito el paso anterior. Es decir, para la segunda iteración, cojo otra de las 10 secuencias como validación y el resto (incluida la que tomé como validación en el paso anterior) como entrenamiento y computo de nuevo las distancias.
En total tendré entonces unas 90 distancias. En la Wikipedia dicen que para cada una de las iteraciones se realiza el "cálculo del error":
\(
E=\frac{1}{K} \sum_{i=1}^9{Ei}
\)
Primeramente, no sé a qué llaman el "error". ¿Se refiere a que para cada iteracción haga la media de las 9 medidas? Porque luego, me dicen que el resultado final lo obtengo realizando la media aritmética de todos "los errores".
Lo que yo he hecho es:
-Para cada una de las iteraciones, tengo 9 distancias. Hago la media aritmética de las distancias, quedándome con una.
-Con todas las medias hechas, hago de nuevo la media aritmética, quedándome con la final, que será el umbral.
No sé si es correcto, ni si es una buena forma de calcular el umbral (o si hay formas mejores de calcularlo).
¿Escogeríais vosotros esta forma de realizar el cálculo del umbral? El mayor problema para el calculo de los umbrales, es que si escojo un umbral demasiado alto, secuencias que no son completas las escogería como correctas. Y si escojo un umbral demasiado bajo, secuencias que son similares, podría escogerlas como incorrectas.
Por tanto, cuando tengo las 9 medias hechas, me he planteado 3 opciones:
- Coger como umbral el mínimo valor de las 9 medias (bastante restrictivo).
- Coger como umbral la media de las 9 medias.
- Coger como umbral el mayor valor de las 9 medias (bastante menos restrictivo).
En resumen:
- ¿Estoy haciendo lo correcto al tomar lo que llaman el "error" \( Ei \) como la distancia entre la secuencia de validación y una secuencia de entrenamiento?
- ¿He desarrollado una chapuza de algoritmo o resulta algo coherente matemáticamente hablando? ¿Estoy aplicando la validación cruzada dejando uno fuera?
Muchas gracias.
