分析我的OURA睡眠評分 - 是AI還是數學？

今天，我深入研究了我的烏拉戒指的睡眠評分數據，提出了一個關鍵問題：這個問題是否需要AI，還是簡單的公式足以滿足？

活動跟踪和URA環>

>我是數據驅動的健康愛好者，利用Fitbit和Garmin等健身追踪器。 但是，對於日常穿著，我更喜歡OURA戒指的謹慎設計。 睡眠跟踪是一個關鍵特徵，這使得其睡眠評分值得調查。 （對於那些不熟悉的人，Oura的睡眠評分在他們的博客上詳細介紹了。）

神秘的睡眠評分

> OUA的缺點是它的有收入見解。與Fitbit和Garmin的綜合儀表板不同，免費版本僅顯示睡眠評分。 這就提出了一個問題：什麼使這個睡眠評分如此特別，訂閱值得嗎？ >

假設：簡單相關

> 作為數據科學家，我最初的假設很簡單：較高的深度睡眠持續時間和較低的平均心率與更好的睡眠評分相關。 可以這麼簡單嗎？讓我們找出。

數據採集和處理

>

我通過他們的開發人員API訪問了我的outa數據，檢索睡眠數據並將其保存為JSON文件。 然後將這些數據索引在Elasticsearch中，以易於查詢。 JSON結構簡化了此過程，不需要額外的映射或數據清潔。

>實驗：簡單查詢

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)

>

我的實驗涉及簡單的查詢以檢驗我的假設。 我首先以最高的睡眠評分進行了分類：

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

index_name = 'oura-history-sleep'

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

>檢查這些高分的日子表明，深度睡眠和心率的模式一致。 然後，我建立了一個超過1.5小時的彈性搜索查詢過濾，以下時間超過1.5小時，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")

結果與初始高分天密切相關。 雖然不完美，但這表明了簡單公式的預測能力。 進一步的基巴納可視化（如下所示）加強了這種連接。

>

在AI周圍的炒作中，

很容易忽略更簡單的解決方案。 這種睡眠評分通常以復雜的AI成就呈現，本質上是基於直接的公式。這突出了理解何時更簡單的方法足夠的重要性 - 導致更準確，更具成本效益且易於解釋的結果。 這強調了數據科學基本原理和直觀建模的持久價值。 雖然先進的技術令人印象深刻，但了解何時不使用它同樣至關重要。 >

請參閱此處的完整代碼筆記本。

以上是分析我的OURA睡眠評分 - 是AI還是數學？的詳細內容。更多資訊請關注PHP中文網其他相關文章！