Body Measurements Dataset (BMD)#
Este directorio contiene una versión adaptada y traducida al español del “Body Measurements Datasets”, que recoge mediciones corporales de diversas personas reales.
Origen y Cita Recomendada#
Este conjunto de datos fue recopilado originalmente por investigadores en Malasia debido a la falta de bases de datos públicas de libre acceso sobre mediciones del cuerpo humano. Los datos fueron recolectados utilizando cintas métricas en individuos desde 1 año de edad en adelante.
Cita recomendada:
M. Kiru, “Body Measurements Datasets,” Mendeley Data, V1, doi: 10.17632/bjv6c9pmp4.1, 2021. Referencia de artículo: https://ieeexplore.ieee.org/document/9293673
Descripción de los Datos#
El conjunto contiene información referente a diferentes variables que, en un entorno de producción, podrían ser extraídas mediante análisis de visión por computadora (longitud de extremidades, tamaño de la cabeza, etc.). A estas medidas se les incorpora información adicional de contexto como la edad y el género del sujeto. En nuestra versión adaptada, todas las medidas han sido convertidas a centímetros (el original estaba en pulgadas) para adherirse al sistema métrico internacional, y las columnas traducidas al español.
Diccionario de Datos#
El dataset contiene muestras de 716 individuos (posterior a limpieza de encabezados en el CSV).
Genero: (Categórica/Numérica) Masculino (1) y Femenino (2).Edad: (Numérica) Edad en años (desde 1 año en adelante).CircunferenciaCabeza: (Numérica) En centímetros.AnchoHombro: (Numérica) En centímetros.AnchoPecho: (Numérica) En centímetros.Abdomen: (Numérica) En centímetros.Cintura: (Numérica) En centímetros.Cadera: (Numérica) En centímetros.LongitudBrazo: (Numérica) En centímetros.LongitudHombroCintura: (Numérica) En centímetros.LongitudCinturaRodilla: (Numérica) En centímetros.LongitudPierna: (Numérica) En centímetros.AlturaTotal: (Numérica) De la cabeza a los pies, en centímetros.
Consideraciones para Ingeniería y Casos de Uso#
Este dataset presenta un excelente escenario “cross domain” (puede usarse tanto para regresión como para clasificación):
Clasificación en Entornos Reales: Creación de un sistema para distinguir entre niños y adultos (estableciendo un umbral de edad objetivo) a partir de las medidas corporales. Ideal para simular sistemas de control de acceso automatizados mediante visión artificial.
Identificación de Rangos de Confianza: Analizar y definir operativamente para qué rangos etarios el modelo es confiable y para cuáles no, una tarea vital al momento de certificar un sistema en la industria.
Análisis de Métricas Críticas: Determinar, según el contexto del problema (ej. seguridad infantil vs. comodidad de adultos), qué tipo de error (Falso Positivo o Falso Negativo) es aceptable y cuál es crítico.