💻 간단한 수면 데이터 분석 코드 예시

Python을 이용한 기본적인 수면 데이터 처리 예시를 살펴볼까?

import numpy as np
import pandas as pd
from scipy import signal
from sklearn.preprocessing import StandardScaler
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense

# 1. 데이터 로드 (예시)
sleep_data = pd.read_csv('sleep_sensor_data.csv')

# 2. 노이즈 제거 (저역 통과 필터 적용)
def filter_noise(data, cutoff=0.1, fs=100):
    b, a = signal.butter(4, cutoff, 'low', fs=fs)
    return signal.filtfilt(b, a, data)

sleep_data['filtered_pressure'] = filter_noise(sleep_data['pressure'])
sleep_data['filtered_movement'] = filter_noise(sleep_data['movement'])

# 3. 특징 추출
def extract_features(data, window_size=300):
    features = []
    for i in range(0, len(data) - window_size, window_size//2):
        window = data[i:i+window_size]
        features.append([
            np.mean(window),
            np.std(window),
            np.max(window),
            np.min(window),
            np.median(window),
            # 추가 특징들...
        ])
    return np.array(features)

pressure_features = extract_features(sleep_data['filtered_pressure'])
movement_features = extract_features(sleep_data['filtered_movement'])

# 4. 데이터 정규화
scaler = StandardScaler()
combined_features = np.hstack([pressure_features, movement_features])
scaled_features = scaler.fit_transform(combined_features)

# 5. LSTM 모델 구성 (수면 단계 분류 예시)
model = Sequential([
    LSTM(64, input_shape=(scaled_features.shape[1], 1), return_sequences=True),
    LSTM(32),
    Dense(4, activation='softmax')  # 4개 수면 단계 분류
])

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

# 6. 모델 학습 및 예측
# (실제 구현에서는 훈련/테스트 데이터 분리, 교차 검증 등 추가 단계 필요)

이 코드는 매우 기본적인 예시일 뿐이야. 실제 상용 제품에서는 훨씬 복잡하고 정교한 알고리즘이 사용되고 있어. 2025년에는 특히 연합 학습(Federated Learning) 기술을 활용해 개인 정보를 보호하면서도 여러 사용자의 데이터로부터 학습하는 방식이 주류가 됐어! 🔒