В данной статье рассматривается анализ физиологических показателей, полученных со смарт-часов, с помощью методов машинного обучения для определения уровня стресса. Данные, такие как пульс, артериальное давление, уровень глюкозы в крови, уровень кислорода, температура и другие параметры, полученные с современных смарт-часов, использовались для оценки стресса. Эти показатели обеспечивают необходимую информацию для определения уровня стресса, поскольку они отражают изменения в физиологическом состоянии человека. Полученные в ходе исследования данные обрабатывались с использованием алгоритмов машинного обучения, таких как KNN, Random Forest, Decision Tree и Gradient Boosting. Результаты исследования показывают эффективность методов машинного обучения в определении уровня стресса и способствуют разработке современных решений для мониторинга состояния здоровья и улучшения психологического состояния. Кроме того, данные методы помогают развивать приложения в сфере здравоохранения, способствуя профилактике заболеваний и укреплению психического здоровья.

стресс; физиологические показатели; машинное обучение; частота сердечных сокращений; частота дыхания; температура; физическая активность