CDS1011_A2/term-paper/title.tex

% !TEX root = documentation.tex


\titlehead{BSc Computational and Data Science\\CDS101 - Einführung in Computational und Data Science\\Dozent: Prof. Corsin Capol\hfill}
\title{Aktivitätsklassifizierung anhand von Sensordaten}
\subtitle{Anwendung und Vergleich von Random Forest, KNN und DecisionTrees auf dem UCI HAR Datensatz}
\author[1,*]{Oliver Schütz}
\author[2,*]{Michael Graber}
\affil[1,2]{Fachhochschule Graubünden}
\affil[*]{E-Mail Adressen: oliver.schuetz@stud.fhgr.ch, michael.graber@stud.fhgr.ch}
\date{\today}
\maketitle

\begin{abstract}
Diese Arbeit untersucht die Zuverlässigkeit der Aktivitätserkennung anhand von Smartphone-Sensordaten des UCI Human Activity Recognition Datasets.\\
Nach einer Feature-Selection mittels Korrelationsanalyse wurden drei Klassifikationsverfahren (Decision Tree, KNN und Random Forest) trainiert und anhand des F1-Scores bewertet.\\
Random Forest und KNN lieferten durchschnittliche Ergebnisse, während der Decision Tree signifikant schlechter war.
Damit zeigt sich, dass eine grundlegende Aktivitätserkennung möglich ist, jedoch noch Optimierungspotenzial hinsichtlich Modellwahl und Datenaufbereitung besteht.
\end{abstract}