내 oura 수면 점수 분석 - AI입니까 아니면 그냥 수학입니까?

오늘, 나는 우리의 우리 링의 수면 점수 데이터를 탐구했다.

활동 추적 및 oura 링

저는 Fitbit 및 Garmin과 같은 피트니스 추적기를 활용하여 데이터 중심의 건강 애호가입니다. 그러나 일상적인 마모를 위해 나는 신중한 디자인을 위해 우리 링을 선호합니다. 수면 추적은 핵심 기능으로 수면 점수가 조사 할 가치가 있습니다. (익숙하지 않은 사람들의 경우, 우리의 수면 점수는 블로그에 자세히 설명되어 있습니다.)

수수께끼의 수면 점수

Oura의 단점은 지불 된 통찰력입니다. 무료 버전은 Fitbit 및 Garmin의 포괄적 인 대시 보드와 달리 수면 점수 만 표시됩니다. 이것은 의문을 제기합니다.이 수면 점수를 특별하게 만드는 이유는 무엇이며 구독이 그만한 가치가 있습니까?

가설 : 간단한 상관 관계

내 초기 가설은 데이터 과학자로서 간단했습니다. 깊은 수면 기간이 높고 평균 심박수가 낮은 수면 점수와 관련이 있습니다. 그렇게 간단 할 수 있습니까? 알아 보자. 데이터 획득 및 처리 나는 개발자 API를 통해 내 OURA 데이터에 액세스하여 수면 데이터를 검색하고 JSON 파일로 저장했습니다.

그런 다음이 데이터는 Elasticsearch에서 쉽게 쿼리를 위해 인덱싱되었습니다. JSON 구조는이 프로세스를 단순화하여 추가 매핑 또는 데이터 정리가 필요하지 않습니다.

실험 : 간단한 쿼리

내 실험에는 가설을 테스트하기위한 간단한 쿼리가 포함되었습니다. 나는 가장 높은 수면 점수로 하루를 먼저 분류했다 :

이 높은 점수의 날을 조사한 결과 깊은 수면과 심박수에서 일관된 패턴이 나타났습니다. 그런 다음 1.5 시간 이상의 깊은 수면을 위해 Elasticsearch 쿼리 필터링을 구축하고 60 bpm 미만의 심박수를 만들었습니다.

결과는 초기 높은 점수 일과 밀접한 상관 관계가있었습니다. 완벽하지는 않지만 이것은 간단한 공식의 예측력을 보여줍니다. 추가 키바나 시각화 (아래 표시)이 연결을 강화합니다

의 중요성

<code class="language-python">def get_data(type):
  url = 'https://api.ouraring.com/v2/usercollection/' + type
  params={ 
      'start_date': '2021-11-01', 
      'end_date': '2025-01-01' 
  }
  headers = { 
    'Authorization': 'Bearer ' + auth_token 
  }
  response = requests.request('GET', url, headers=headers, params=params) 
  return response.json()["data"]

data = get_data("sleep")
with open('oura_data_sleep.json', 'w', encoding='utf-8') as f:
    json.dump(data, f, ensure_ascii=False, indent=4)</code>

AI를 둘러싼 과대 광고에서는 더 간단한 솔루션을 간과하기 쉽습니다. 종종 복잡한 AI 성과로 제시되는이 수면 점수는 본질적으로 간단한 공식을 기반으로합니다. 이는 더 간단한 방법이 충분한 경우 이해의 중요성을 강조하여보다 정확하고 비용 효율적이며 쉽게 해석 할 수있는 결과를 초래합니다. 이것은 데이터 과학 기초의 지속적인 가치와 직관적 인 모델링을 강조합니다. 고급 기술은 인상적이지만

를 사용하지 않는 경우를 아는 것은 똑같이 중요합니다. 여기에서 전체 코드 노트를 참조하십시오.

위 내용은 내 oura 수면 점수 분석 - AI입니까 아니면 그냥 수학입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!