Comparative analysis of supervised learning algorithms for the detection of falls

The nature and conditions of the elderly make it prone to diseases and situations where their physical integrity may be affected; where falls are one of the highest risk factors. In this article as a main contribution, an analysis is carried out on the effect of the reduction of the space of characteristics in the classification process through the application of the Pearson Matrix. For this purpose, a comparative analysis based on metrics of 3 algorithms is presented: naive bayes, vector support machines and neural networks in the detection of falls. The signals used are accelerations in three axes obtained from the database of the Institute of Communications and Navigations corresponding to samples of 16 male and female subjects between 23 and 50 years old. The results show that naive bayes has the best performance considering the reduction in the characteristicsLa naturaleza y las condiciones propias del adulto mayor hacen que éste sea propenso a enfermedades y situaciones en donde su integridad física puede verse afectada; donde, las caídas son uno de los factores de mayor riesgo. En este artículo como principal aporte, se realiza un análisis sobre el efecto de la reducción del espacio de características usadas para el proceso de clasificación mediante la aplicación de la Matriz de Pearson. Para tal efecto, se presenta un análisis comparativo mediante métricas de 3 algoritmos: naive bayes, máquinas de soporte vectorial y redes neuronales en la detección de caídas. Las señales utilizadas son aceleraciones en tres ejes obtenidas de la base de datos del Institute of Communications and Navigations correspondiente a muestras de 16 sujetos masculinos y femeninos de entre 23 y 50 años. Los resultados muestran que naive bayes presenta el mejor desempeño considerando una reducción en las característica