我正在参加我们学校的小数据分析比赛。
我们使用 Fitbit 可穿戴设备，由比赛主办方借给每位参赛者。
在比赛期间的 2 个月里，他们 24/7 全天候使用这个小设备走路和睡觉，
允许它通过心率（bpm）等收集有关参与者步行计数的数据。
我们需要根据这些参与者的数据解决一些问题
比如，
我认为问题的目的是，
由于下雨，预计很多参与者都在家。
你能用数字说明一些因果关系吗？
我现在正在使用 ipython notebook 学习 python 库 numpy、pandas。
但我仍然不知道解决这些问题..
你能推荐一些项目或网站用于参考吗？我真的很想赢得这场比赛。:(
最后，对不起我的英语不好。
谢谢。
【问题讨论】：
标签： numpy pandas ipython jupyter-notebook fitbit
这是一个有趣的项目。我正在研究类似的东西。
这是你需要做的：
了解 fitbit API 并从 fitbit 加速度计和陀螺仪流式传输数据。如果您可以将其与心率数据结合起来，那就太好了。您拥有的数据类型越多，您的算法就越有效。您可以将此数据存储在一个简单的 csv 文件中（建议以 50Hz 传输加速度/陀螺仪数据）。或者设置一个网络服务器并将其存储在数据库中以便于访问
了解如何使用 pandas 和 scikit learn
[可选但推荐]：学习 matplotlib，以便绘制数据并了解其外观
将数据加载到 pandas 并在数据上创建特征 - 特别是使用 1-2 秒的滑动窗口分析和 50% 的重叠。好的特性包括（对于所有三个 Accel X、Y、Z）：最大值、最小值、标准偏差、均方根、和方根和倾斜度。多项式会有所帮助。
由于这是一个有监督的分类问题，您需要创建一些标记数据 - 手动执行此操作（状态 1 = 下雨天，状态 2 = 非下雨天），然后训练分类算法。我会推荐random forest
使用未标记数据进行测试 - 不要忘记使用cross validation
瞧，您现在拥有了一个高度准确的模型，并且将在竞争中获胜。此外，您还了解了很多非常酷的 Python 和机器学习知识。
有关所有这些东西如何工作的更多教程，我强烈推荐Kaggle tutorial projects
奖励：如果您想将其提升到一个新的水平，您可以开始在分类器之上添加平滑器，例如使用 this talk 中解释的隐马尔可夫模型
奖励 2：获得人类活动识别博士学位。
【讨论】：