我是数据挖掘的新手，对我为我的学院工作的其中一个项目提出了一些基本问题。
数据：我们决定从一组21个人（他们的不同活动，如步行，慢跑，跑步等）中挖掘加速度计和陀螺仪传感器读数，并提出分类解决方案。
我的问题是：
由于读数属于连续数据（频率为50 Hz的数据）， 我应该如何采样数据。我会采用数据窗口吗？这条线上是否有任何标准程序。
我应该使用哪种模型，支持这种连续/顺序数据？隐马尔可夫模型是一种正确的方法吗？
一旦模型到达，它是否会再次从测试集中获取一个窗口（或系列）数据作为输入来预测活动？
答案 0 :(得分：1)
您要问的是基本的数字信号处理问题，与数据挖掘没有太大关系。您应该阅读DSP的介绍，否则您将无法真正理解您正在做的事情，并且每个人都可能正确地批评您的结果。
存在于Biomed conference proceedings处理振动地理学，即基于多次振动测量的膝关节健康分类，因此您可能希望阅读现有文献。
由于读数属于连续数据（频率为50 Hz的数据），我应该如何采样数据。我会采用数据窗口吗？这条线上是否有任何标准程序。
是的，您可能必须选择部分数据。通常，您首先必须找到这些数据之间的时间对齐（通常最大相关性可帮助您找到），或者您需要将此类数据转换为时间不变的形式（傅里叶变换，功率谱密度等） ）。
你需要了解奈奎斯特极限是什么，你需要对信号理论有充分的理解才能对数据做一些有用的事情。
我应该使用哪种模型，支持这种连续/顺序数据？隐马尔可夫模型是一种正确的方法吗？
隐马尔可夫对这类信号根本没有意义。找到一个好的分类师是一个艰难的工作，你需要经验和大量的反复试验来找到一个好的。没有单一的正确方法，除非您能够在数学上完整地描述您的信号，以证明存在最佳分类器。这需要对你的信号如何运作有很多了解。
一旦模型到达，它是否会再次从测试集中获取一个窗口（或系列）数据作为输入来预测活动？
这取决于你提出的模型。
编辑：免责声明：我在那里附属于该项目，所以我可能会有偏见。
答案 1 :(得分：0)
这个问题在科学文献中被称为“人类活动检测”，并且有许多论文提出了不同的方法。最近的摘要可以在Sensors 2017年第17卷第3期A Comprehensive Analysis on Wearable Acceleration Sensors in Human Activity Recognition中找到。
人类活动识别（HAR）从运动传感器收集数据开始。数据被划分到多个窗口中以应用特征提取，从而从原始信号中过滤出相关信息。然后，将提取的特征用作最终用于HAR模型的每个分类器的输入。
...我们探索了293个不同的分类器，包括决策树，判别分析，支持向量机，K最近邻，集成方法，朴素贝叶斯和神经网络。
...作为上述特征提取过程的结果，每个片段共获得176个特征，然后使用最小-最大归一化将其缩放为间隔[0，1]，以便用于分类：< / p>
平均值，最小值，最大值，中位数，标准偏差，偏度，峰度，信号功率，均方根，峰值强度...