Strava 環島的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

使用隨機森林預測運動生理負荷： 以自行車運動為例

為了解決Strava 環島的問題，作者王乾維 這樣論述：

本研究欲使用機器學習，提出一個透過運動生理學的角度，預測運動時的生理負荷之方法，並以自行車運動為例。運動生理學中，衡量生理負荷之方法有基於心率、攝氧量，以及運動自覺量表，本研究欲透過基於心率的心率儲備法，計算生理負荷，提高自行車訓練成效或是避免過高的生理負荷造成的運動傷害。本研究使用之資料來自運動活動紀錄社群STRAVA的開放式資料，將收集之自行車軌跡資料根據坡度分為上坡、平路及下坡三類型，並使用高斯混合模型將各坡度類型做集群，並根據集群結果，使用隨機森林訓練分類器及心率預測模型。基於本研究的結果顯示，透過最適配參數來達到最佳化的模型，其所有分類器模型評測結果，分類的準確率平均為0.9923

5；而所有心率預測模型的決定係數平均為0.6471，絕對均差的平均則是7.4782。在分類上，分類器幾乎能夠準確的預測，而在心率預測上，相較之下，預測的表現並沒那麼出色，其原因可能為資料來自開放式的關係，或是心率傳感器的不同，造成測量誤差，若要實際運用在運動訓練或是預防運動傷害，還稍嫌不足。在未來研究，還需針對本研究不足之處，做建置心率預測模型上的修改，提高預測結果，也期望本研究能夠在提供運動活動記錄與分析之社群服務，有進一步的發展。