我是机器学习的新手。我想使用机器学习来比较我从手机加速度传感器获取的数据。我将数据逗号与经度和纬度分开。
让我们假设我从x街上的汽车中获取的数据的值为1（下）。如果我通过驾驶同一辆汽车在同一条街道上拥有多个数据，那么我想根据该数据训练模型。因此，将使用加速度传感器数据，经度，纬度和车辆类型来训练模型。之后，如果有没有车辆类型的新数据，我想确定车辆类型。
对于这种情况，我可以建议合适的机器学习算法吗？
值1： [0.41 80.21464327 6.03746252，-0.22 80.21464182 6.03751725，-0.47 80.21464501 6.03756485，-0.17 80.21464358 6.03760711，-0.59 80.2146479 6.03764445，-1.07 80.21465786 6.03767261，0.24 80.21466478 6.0377051，-0.7 80.21466468 6.03774136，0.68 80.21466873 6.0377806，1.03 80.21467383 6.03782412，-0.3 80.21467654 6.03786671，0.39 80.21467859 6.03791466，0.21 80.21468187 6.03795632，0.06 80.21468436 6.03800212，0.22 80.21468421 6.03804084，0.62 80.21469052 6.03807511]
答案 0 :(得分：1)
您的车辆检测问题听起来可能非常困难，因为与数据的其他变化源（不同的驾驶员，不同的交通状况，行驶的不同）相比，类别（不同车辆）之间的差异可能很小。传感器）。
因此，首先，我将捕获在非常受控的情况下收集的一些数据： 在某些路段上，让两辆不同的汽车尽可能地紧跟彼此。在同一条道路上进行多次跑步，尝试使条件尽可能相似。切换驱动程序，然后重复收集。切换电话并重复收集。
首先需要确保加速度计矢量始终指向同一方向。标准方法是在线估计重力矢量，然后相应地转换坐标空间。
第二，您需要将数据转换为一组有意义的功能。我建议计算短时傅立叶变换以获取频谱图。然后，您可以进行一些探索性数据分析，以尝试查看车辆之间的实际差异以及车辆的性质。一旦了解了这一点，便可以考虑设计模型。
与人类活动检测类似的最有据可查的加速度计问题是人体活动检测，您应该查看文献以了解更多详细信息。