我们正在尝试根据WiFi数据确定一个人所在的房间。以下是我们的数据样本：
1.SSID：无线，BSSID：00：24：6c：61：da：81，能力：[ESS]，等级：-54，频率：2437
2.SSID：无线，BSSID：00：24：6c：61：da：c1，能力：[ESS]，等级：-57，频率：2462
3.SSID：visitor，BSSID：00：24：6c：61：da：c0，能力：[ESS]，等级：-58，频率：2462
4.SSID：访客，BSSID：00：24：6c：61：cb：40，能力：[ESS]，等级：-59，频率：2437
5.SSID：无线，BSSID：00：24：6c：61：cb：41，能力：[ESS]，等级：-59，频率：2437
这是从一个时间点的单次扫描中获取的（我只显示5个，但是有60个接入点足够接近单次扫描时出现）。这是我们的问题：
有3个房间，A房间，B房间和C房间，它们彼此相邻，只有房间B位于房间A和房间C之间。房间A和房间之间有几个独特的AP C，但B室没有唯一的AP。
我们尝试使用多类SVM，其中类是房间A，房间B和房间C，数据点是（例如）上面的1,2,3,4和5（所以在上面数据有5个数据点，每个数据点都有标号室A）。我们在每个房间中对模型进行了约100次扫描（每次扫描包含约50个数据点）。这使得新测试数据的准确度极低。
有没有其他人成功完成此任务或有任何建议？这就是我们用来实现SVM的方法：
http://scikit-learn.org/stable/modules/svm.html
谢谢！
答案 0 :(得分：4)
这是一个聪明的想法，但我认为在这里寻求精确性和准确性时可能会遇到一些困难，因为它不仅仅是来自接入点的距离，而是实际上决定信号强度的多因素。例如，与大型书架或电视相比，房间中的位置可能比其他信号更强烈地影响其中一个信号。即使您的身体相对于设备的位置也可能会破坏信号。
我建议尝试一些feature selection techniques和/或其他一些学习算法，这些算法可以更好地磨练数据中的哪些维度为您提供最一致的信息。例如，简单的统计分析可以告诉您给定“位置”内每个信号的信号强度的均值和标准偏差。然后，您可以比较位置的统计信息，并查看这些信号在不同位置之间是否存在统计上显着差异。您可能需要考虑以下测试：
答案 1 :(得分：0)
我怀疑在特征提取和超参数调整（使用网格搜索）方面有很多细节要做。请编辑您的问题以包含脚本，以便能够帮助您正确获取这些详细信息。