加速度计在WEKA中缺少数据和分类

Question

出于活动识别的目的，我在两个不同设备的步行活动中收集了加速度计和陀螺仪数据。我有来自两个设备的加速度计数据（x，y和z）和陀螺仪数据（x，y和z），我正在尝试构建我的特征向量。我的特征向量如何看起来如下（请注意，我为每个坐标提供了数百个读数：x，y和z）：

我的问题：

1. 在某些情况下，我在1st_phone_Gyro和2nd_Phone_Gyro中的读数样本较少我在这里用空格做什么？如果我有这些空单元格，我应该知道WEKA会抱怨。零会影响分类吗？
2. 是否有任何建议可以提取哪些功能以提高性能以及哪种算法可以提供最佳识别结果？

Answer 1

您的数据中没有太多噪音。因此，您可以通过linear interpolation合理估算缺失值。如果缺少值很少，您可以删除这些条目。

由于这里有一定的时间依赖性，我猜RNN s会给出很好的准确性。一种特殊类型的RNN是LSTM，它具有记住可变时间段内事件的能力。

你也可以试试＆＃34;捆绑＆＃34;大约100个输入，用于生成一些有用的输入，用于训练标准CNN进行分类。