文件名称：Practical_ML_Course_Project:Coursera 实用机器学习课程项目
文件大小：238KB
文件格式：ZIP
更新时间：2024-07-19 02:16:51
从活动监视器预测活动质量 奥努尔·阿克波拉特24. 2015 年 1 月 ＃＃概要 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*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，您的目标是使用来自 6 名参与者的腰带、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。 该项目的目标是预测他们进行练习的方式。 这是classe训练集变量。 数据说明 结果变量是classe ，一个具有 5 个级别的因子变量。 对于这个数据集，参与者被要求以 5 种不同的方式执行一组 10 次重复的单侧哑铃二头肌
【文件预览】：
Practical_ML_Course_Project-master
----Practical_ML_Course_Project.md(10KB)
----Practical_ML_Course_Project_files()
--------figure-html()
----README.md(10KB)
----Practical_ML_Course_Project.html(530KB)
----Practical_ML_Course_Project.Rmd(7KB)