分析我的OURA睡眠评分 - 是AI还是数学？

今天，我深入研究了我的乌拉戒指的睡眠评分数据，提出了一个关键问题：这个问题是否需要AI，还是简单的公式足以满足？

活动跟踪和URA环>

>我是数据驱动的健康爱好者，利用Fitbit和Garmin等健身追踪器。 但是，对于日常穿着，我更喜欢OURA戒指的谨慎设计。 睡眠跟踪是一个关键特征，这使得其睡眠评分值得调查。 （对于那些不熟悉的人，Oura的睡眠评分在他们的博客上详细介绍了。）

神秘的睡眠评分

> OUA的缺点是它的有收入见解。与Fitbit和Garmin的综合仪表板不同，免费版本仅显示睡眠评分。 这就提出了一个问题：什么使这个睡眠评分如此特别，订阅值得吗？>

假设：简单相关

> 作为数据科学家，我最初的假设很简单：较高的深度睡眠持续时间和较低的平均心率与更好的睡眠评分相关。 可以这么简单吗？让我们找出。

数据采集和处理

>

我通过他们的开发人员API访问了我的outa数据，检索睡眠数据并将其保存为JSON文件。 然后将这些数据索引在Elasticsearch中，以易于查询。 JSON结构简化了此过程，不需要额外的映射或数据清洁。

>实验：简单查询

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)

>

我的实验涉及简单的查询以检验我的假设。 我首先以最高的睡眠评分进行了分类：

client = Elasticsearch(
    cloud_id=ELASTIC_CLOUD_ID,  
    api_key=ELASTIC_API_KEY 
)

index_name = 'oura-history-sleep'

# ... (Elasticsearch index creation and data loading code) ...

>检查这些高分的日子表明，深度睡眠和心率的模式一致。 然后，我建立了一个超过1.5小时的弹性搜索查询过滤，以下时间超过1.5小时，在60 bpm以下的心率下，由REM睡眠排序：

response = client.search(index = index_name, sort="readiness.score:desc")

# ... (Code to print day and sleep score) ...

query = {
    "range" : {
        "deep_sleep_duration" : {
            "gte" : 1.5*3600
        }
    },
    "range" : {
        "average_heart_rate":{
            "lte" : 60
        }
    }
}
response = client.search(index = index_name, query=query, sort="rem_sleep_duration:desc")

结果与初始高分天密切相关。 虽然不是完美的，但这表明了简单公式的预测能力。 进一步的基巴纳可视化（如下所示）加强了这种连接。

>

在AI周围的炒作中，

很容易忽略更简单的解决方案。 这种睡眠评分通常以复杂的AI成就呈现，本质上是基于直接的公式。这突出了理解何时更简单的方法足够的重要性 - 导致更准确，更具成本效益且易于解释的结果。 这强调了数据科学基本原理和直观建模的持久价值。 虽然先进的技术令人印象深刻，但了解何时不使用它同样至关重要。>

请参阅此处的完整代码笔记本。

以上是分析我的OURA睡眠评分 - 是AI还是数学？的详细内容。更多信息请关注PHP中文网其他相关文章！