In questo articolo
Correzione del . Il titolo originale confondeva un prototipo di ricerca con un router comune e presentava una precisione sperimentale come una capacità generale.
Un dispositivo può cogliere il ritmo del cuore senza toccare il corpo? EQ-Radio, presentato nel 2016 da Mingmin Zhao, Fadel Adib e Dina Katabi del MIT CSAIL, esplorava proprio questa possibilità. Il sistema emette segnali radio e analizza le riflessioni del corpo per estrarre informazioni fisiologiche, poi prova a classificare lo stato emotivo. Progetto e paper originali.
Che cosa misura, che cosa inferisce
Battito e respirazione sono misure fisiche; un'etichetta come felicità o tristezza è un'inferenza del modello. Sono due passaggi diversi. Il lavoro confronta quattro categorie emotive in condizioni sperimentali: non legge pensieri, intenzioni o qualunque stato d'animo.
La precisione intorno all'87% riportata per il sistema va letta insieme a partecipanti, addestramento e protocollo dello studio. Non è una garanzia per persone sconosciute, ambienti arbitrari o diagnosi mediche. Studio del MIT.
Non basta il router di casa
EQ-Radio è un apparato e un metodo di elaborazione specifici. Usare onde radio non significa che ogni access point commerciale possa svolgere lo stesso compito con una normale impostazione del Wi-Fi.
L'intuizione resta interessante: una misura raccolta senza contatto può rivelare informazioni che non pensiamo di trasmettere. Tra un esperimento promettente e un prodotto affidabile, però, ci sono validazione, condizioni d'uso e gestione della privacy. Pubblicità emotiva, domotica e monitoraggio della salute erano possibili applicazioni, non risultati già dimostrati da questo singolo esperimento.
Continua da qui
Apprendimento Non Supervisionato: Clustering K-Means, Anomaly Detection e PCA
Estrarre pattern senza etichette: algoritmo K-Means, rilevamento delle anomalie con curve gaussiane e riduzione dimensionale PCA.
Diagnostica dei Modelli di Machine Learning, Metriche e Alberi Decisionali (XGBoost)
Strategia di sviluppo ML: Train/CV/Test split, diagnosi Bias vs Varianza con Learning Curves, metriche per dati sbilanciati e Random Forest/XGBoost.
Guida completa agli algoritmi di regressione: 9 modelli a confronto e matrice di scelta
Analisi tecnica dei 9 principali algoritmi di regressione: da Linear a Random Forest, XGBoost, SVR e Neural Networks, con matrice decisionale.