摘要：坚持锻炼程序是许多人面临的挑战。但是，一个研究团队正在使用机器学习来揭示使个人致力于锻炼的因素。...

坚持锻炼程序是许多人面临的挑战。但是，密西西比大学的一支研究团队正在使用机器学习来揭示使个人致力于锻炼的因素。

团队 - 体育博士学位的Seungbak Lee和Ju-Pil Choe，以及卫生，运动科学和娱乐管理部运动分析教授Minsoo Kang希望能够根据其身体测量，人口统计学，人口统计学和生活方式来预测一个人是否正在符合体育活动指南。

他们检查了大约30,000次调查的数据。要快速浏览如此庞大的数据集，他们转向了机器学习，这是一种使用计算机来识别模式并根据信息进行预测的方式。

该小组的结果发表在《自然投资组合杂志》上科学报告是及时的，康说

他说：“体育锻炼遵守指南是公共卫生的关注，因为它与疾病预防和整体健康模式有关。” “我们想使用高级数据分析技术（例如机器学习）来预测这种行为。”

美国卫生与公共服务部的一部分，疾病预防和健康促进办公室表明，成年人应至少旨在进行150分钟的适度运动，或者每周进行75分钟的剧烈运动，这是健康生活方式的一部分。

研究表明，美国人平均每周仅花费两个小时进行体育锻炼，这是疾病控制和预防中心建议的四个小时的一半。

Lee，Choe和Kang使用了《国家健康与营养考试调查》中的公共数据，这是一项由政府赞助的调查，涉及2009-18。

该研究的主要作者Choe说：“我们的目的是使用机器学习来预测人们是否遵循基于问卷数据的身体活动指南，并找到最佳的变量组合以进行准确的预测。” “考虑了性别，年龄，种族，教育地位，婚姻状况和收入等人口变量，以及BMI和腰围等人体测量指标。”

他说，研究人员还考虑了生活方式因素，包括饮酒，吸烟，就业，睡眠方式和久坐行为，以了解其对人体育锻炼的影响。

结果表明，三个关键因素 - 某人花费多少时间，性别和教育水平 - 在所有预测运动习惯的最佳模型中都始终显示出来，即使每个模型都确定了不同的变量很重要。

根据Choe的说法，这些因素对于了解谁更有可能保持活跃和社会联系尤其重要，并且可以帮助指导未来的健康建议。

他说：“我期望性别，BMI，种族或年龄等因素对我们的预测模型很重要，但我对教育地位的重要性感到惊讶。” “虽然性别，BMI和年龄等因素对身体更有天赋，但教育地位是外部因素。”

在分析过程中，研究人员将数据排除在某些疾病和反应的人中，缺少身体活动数据。这将相关数据收到11,683名参与者。

研究人员说，机器学习为他们提供了更多研究数据的自由。较旧的方法期望事情遵循直线模式，并且当某些信息太相似时，它们的工作状态不佳。

机器学习没有这些限制，因此可以找到具有更大灵活性的模式。

乔说：“我们研究的一个局限性是使用主观测量的体育活动数据，参与者从记忆中回忆起他们的活动。” “人们在使用问卷时倾向于高估自己的体育活动，因此更准确，客观的数据将提高研究的可靠性。”

因此，研究人员说，他们可以使用类似的方法在这一领域进行研究，但探索包括饮食补充剂使用，使用更多机器学习算法或依靠客观数据而不是自我报告的信息的不同因素。

这可以帮助培训师和健身顾问生产锻炼方案，人们实际上可以坚持使用这些锻炼方案。