文件名称：Human_Activity_Recognition:Galvanize顶峰项目，用于使用uci机器学习智能手机数据集对日常生活中的人类活动进行分类
文件大小：55.41MB
文件格式：ZIP
更新时间：2024-05-31 14:10:42
Python
人类活动识别 Galvanize顶峰项目，用于使用UCI机器学习存储库智能手机数据集对日常生活中的人类活动进行分类。 动机和目标： 识别日常生活活动（ADL）的创新方法是开发更具交互性的人机应用程序必不可少的输入部分。 通过解释从运动，位置，生理信号和环境信息中得出的属性，开发了理解人类活动识别（HAR）的方法。 该项目探索了用于对已发布数据集（ ）进行ADL分类的最佳机器学习方法。 数据包含一组佩戴一组内置内置传感器（加速度计，陀螺仪和磁力计）的安装在腰部的智能手机，并进行一组ADL（站立，坐着，躺着，走路，上楼和走下楼）的记录。 将机器学习方法的有效性与已发布的多类硬件友好支持向量机（MC-HF-SVM）识别精度进行了比较。 方法： 将数据（具有ADL平衡561功能的10299个样本）按比例分别分为70％和30％分为训练集和测试集。 该分区是随机的。 训练数据用于训练不同的分类器
【文件预览】：
Human_Activity_Recognition-master
----README.md(3KB)
----Code()
--------HAR_rfc_parameters_exploration_ver3.py(5KB)
--------HAR_xgb_train_parameter_exploration_ver3.py(2KB)
--------HAR_xgbc_parameter_exploration_ver3.py(3KB)
--------HAR_grid_moe_xgboost_ver3.py(14KB)
--------HAR_moe_svc_rfc_abc_all_ver3.py(14KB)
--------ipynb()
--------HAR_grid_svc_rfc_abc_all_ver3.py(7KB)
----Data()
--------X_test.txt(25.23MB)
--------X_test_header.txt(24.94MB)
--------y_train_header.txt(14KB)
--------y_train.txt(14KB)
--------y_test_header.txt(6KB)
--------y_test.txt(6KB)
--------X_train.txt(62.95MB)
--------X_train_header.txt(62.18MB)
----Presentation()
--------HAR_presentation_Gordana_final.pdf(612KB)
--------HAR_presentation_Gordana_final.odp(1.62MB)