# 机器学习经典算法练习-人类动作识别

**Repository Path**: wx114/human-action-recognition

## Basic Information

- **Project Name**: 机器学习经典算法练习-人类动作识别
- **Description**: 人类动作识别是一个典型的时间序列数据分析问题，尤其在可穿戴设备和移动健康应用中非常常见。在这个场景中，通过在腰部佩戴智能手机，利用其内置的加速度计和陀螺仪传感器，可以捕捉到人体运动的动态信息。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-05-26
- **Last Updated**: 2024-05-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 机器学习经典算法练习-人类动作识别分类

#### 介绍
人类动作识别是一个典型的时间序列数据分析问题，尤其在可穿戴设备和移动健康应用中非常常见。在这个场景中，通过在腰部佩戴智能手机，利用其内置的加速度计和陀螺仪传感器，可以捕捉到人体运动的动态信息。

#### 项目说明
**数据采集**：智能手机的加速度计和陀螺仪以50Hz的频率记录3轴（X, Y, Z）的线性加速度和角速度数据。每个动作（步行、上楼、下楼、坐、站、躺）需要从多个个体那里收集足够量的数据，以确保训练数据的多样性和泛化能力。

##### 基于KNN：

1. **特征矩阵构建**：将提取的所有特征组织成一个特征矩阵，每一行对应一个时间窗口的特征向量。
2. **标签分配**：为每个特征向量分配相应的动作标签（0-步行，1-上楼，2-下楼，3-坐，4-站，5-躺）。
3. **选择K值**：确定KNN算法中的邻居数量K，可通过交叉验证来优化选择。
4. **训练**：虽然KNN是一种惰性学习算法，没有显式的训练过程，但在实际应用中，通常会对数据进行标准化处理，并熟悉数据分布，为后续的预测做准备。


#### 安装教程

1.  pip install numpy pandas matplotlib
2.  pip install scikit-learn
3.  pip install jupyter

#### 使用说明

1.  在dataset文件夹中存放数据集
2.  在source_code文件夹路径下直接运行jupyter notebook