2018年11月
使用智能手机数据集的人类活动识别
资料库概述:
该项目旨在建立一个模型,该模型根据智能手机的Sensor数据预测诸如步行,上楼,下楼,坐着,站着和躺下等人类活动。 仓库有3个ipython笔记本1 :数据预处理和探索性数据分析2 :具有特征数据的机器学习模型3 :基于原始时间序列数据的LSTM模型所有代码都是用python 3编写的依赖
张量流
凯拉斯
麻木
大熊猫
matplotlib
海生的
斯克莱恩
itertools
约会时间
介绍:
每个现代的智能手机都有许多。 我们对加速度传感器和陀螺仪这两种传感器感兴趣。 借助传感器记录数据这是一个6类分类问题,因为我们有6个活动要检测。
该项目分为两部分,第一部分训练,调整和比较Logistic回归,线性支持向量分类器,RBF(径向基函数)SVM分类器,决策树,随机森林,梯度提升决策树模型,并使用领域专家提
1