WEKA 中的加速度计缺失数据和分类答案

【问题标题】：Accelerometer missing data and classification in WEKAWEKA 中的加速度计缺失数据和分类
【发布时间】：2017-11-16 00:32:47
【问题描述】：

出于活动识别的目的，我从两个不同的设备收集了步行活动期间的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。我的特征向量的示例如下（请注意，每个坐标都有数百个读数：x、y 和 z）：

我的问题：

在某些情况下，我的读数样本较少，例如 1st_phone_Gyro 和 2nd_Phone_Gyro 我如何处理此处的空白？如果我有这些空单元格，我应该知道 WEKA 会抱怨吗？零会影响分类吗？
有什么建议可以提取哪些特征来提高性能以及什么算法可以提供最佳识别结果？

【问题讨论】：

【解决方案1】：

您的数据中没有太多噪音。因此，您可以通过linear interpolation 合理地估计缺失值。如果缺少的值很少，您可以删除这些条目。

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

您还可以尝试“捆绑”大约 100 个输入，以生成一些有用的输入，用于训练标准 CNN 进行分类。

【讨论】：