详细内容或原文请订阅后点击阅览
根据智能手机数据对身体活动进行分类
使用 Keras 训练卷积神经网络来对身体活动进行分类。该数据集是根据 30 名受试者在携带腰部安装的内置惯性传感器智能手机时进行基本活动和姿势转换的记录构建的。
来源:RStudio AI博客简介
在这篇文章中，我们将介绍如何使用智能手机加速度计和陀螺仪数据来预测携带手机的个人的身体活动。这篇文章中使用的数据来自加州大学欧文分校分发的基于智能手机的人类活动和姿势转换识别数据集。30 个人被要求使用连接的智能手机执行各种基本活动，并使用加速度计和陀螺仪记录运动。
基于智能手机的人类活动和姿势转换识别数据集在开始之前，让我们加载我们将在分析中使用的各种库：
库（keras）# 神经网络库（tidyverse）# 数据清理/可视化库（knitr）# 表格打印库（rmarkdown）# 杂项。输出实用程序库（ggridges）# 可视化
库（keras）# 神经网络库（tidyverse）# 数据清理 / 可视化库（knitr）# 表格打印库（rmarkdown）# 其他。输出实用程序库（ggridges）# 可视化
活动数据集
本文使用的数据来自加州大学欧文分校发布的基于智能手机的人类活动和姿势转换数据集识别（Reyes-Ortiz 等人，2016 年）。
基于智能手机的人类活动和姿势转换数据集识别 (Reyes-Ortiz 等人，2016 年) 2016data/
从上面的链接下载时，数据包含两个不同的“部分”。一部分已使用各种特征提取技术（例如快速傅立叶变换）进行了预处理，另一部分 RawData 仅提供加速度计和陀螺仪的原始 X、Y、Z 方向。加速度计数据中使用的标准噪声过滤或特征提取均未应用。这是我们将使用的数据集。
RawData