machinelearning:举重练习的定性活动识别 - 实用机器学习 - Coursera-源码

上传者: 42112894 | 上传时间: 2021-12-16 18:33:35 | 文件大小: 1.07MB | 文件类型: -
举重练习的定性活动识别 背景 使用 Jawbone Up、Nike FuelBand 和 Fitbit 等设备,现在可以相对便宜地收集大量有关个人活动的数据。 这些类型的设备是量化自我运动的一部分——一群狂热者定期测量自己以改善他们的健康状况,发现他们的行为模式,或者因为他们是技术极客。 人们经常做的一件事是量化他们做了多少特定活动,但他们很少量化他们做得有多好。 在这个项目中,我们将使用来自 6 位参与者的腰带、前臂、手臂和哑铃上的加速度计的数据。 他们被要求以 5 种不同的方式正确和错误地进行杠铃举重: A级:完全符合规范 B类:肘部向前抛 C级:只将哑铃举到一半 D级:将哑铃放下一半 E级:臀部向前抛 更多信息可从以下网站获得: : (参见举重运动数据集部分)。 目标 Coursera 实用机器学习课程的这个项目的目标是预测人们进行练习的方式。 这是训练集中的“classe”

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明