[mrtomo]

Zitat von cardon

Um den Ansatz besser bewerten zu können müsste man auch besser verstehen welche Verfahrensklasse sie wirklich nehmen (und klar, heute muss von der einfachen Regression oder k-nearest neighbor oder dem modernsten LLM alles in Sales Sprache "AI" sein).

Es gibt ja durchaus Verfahren, die auch mit "wenigen hunderten" (so hat es Björn mal ein einem Podcast gesagt) Records gute Ergebnisse liefern können.

Ich hatte heute morgen bereits einen kurzen Text genau in diese Richtung geschrieben.
Wo AI drauf steht, kann auch ein Decision-Tree dahinter stehen: Die Person ist 45 Sekunden in der letzten Stufe gefahren: Also hat sie XY als Schwelle und nicht YX.

Das Modell ist sehr wichtig, wenn man eine Aussage über die Sinnhaftigkeit und den Mehrwert treffen möchte. Ich kann mit einem Decision-Tree auch ein Chat Bot bauen, ich kann das mittlerweile aber auch besser mit einem LLM.

Ich finde das Thema ML und Sport sehr spannend und denke vor allem in "predictive" Trianingsplanung. Da hätte es noch mehr Daten als nur die Leistungstests. Da hat TrainerRoad aber schon lange ein Feature im Angebot. Das fand ich sehr cool

Und zur Frage: Solange die Person das gleiche Testprotokoll mit dem gleichen Equipment benutzt, kommt bei wahrscheinlich gleichem Fehler ein Trend heraus.
Ob dann ein Wert von 100 auf 50 oder von 2 auf 1 gesunken ist ... Egal. Der Fehler ist da und dennoch ist ein Trend erkennbar.
So Handhabe ich das bei meiner HRV Messung. Ich vergleiche nie die absoluten Werte miteinander, aber wenn sich der Trend deutlich verändert, dann agiere ich.

Und dafür kann ich ein AI Modell nutzen (wenn der Algorithmus gleich bleibt), ich kann aber auch einfach die Graphen der Werte übereinander legen und schauen, wie Arne sagt, ob sich da was auf der langen Radfahrt verändert hat.