k-最近邻算法

Question

我在我的智能设备上实现k-最近邻算法，以便从识别数据识别人类活动。我将解释我将如何实施它。你们能否告诉我我正在采取的措施有什么改进，并回答我可能会在途中询问的任何问题？

这些步骤如下：

1. 我下载一个labelled dataset它们一起由来自加速度计的三轴加速度的与描述性的标签。我将选择这些数据集中的一些数据，仅记录那些我希望认识的活动（在我的例子中是走路，坐着，站立）。
2. 然后，我将从每个加速度计数据窗口（即从包含128个加速度计数据的数据集中的每个单个记录）中提取特征（来自我的情况的幅度加速度的平均值，最小值，最大值，标准偏差）数据集，我会将这些特征与JSON格式的窗口标签（作为一条记录）一起存储在设备上的文本文件中。因此，训练数据集中的一个记录/样本将由以下组成：平均值，最小值，最大值，标准偏差和标签在分类步骤中，从收集的数据中，我还将获得一个加速度计数据窗口，上面提到的4个功能。因此，我需要将收集的数据的4个特征与训练数据中的每个样本进行比较。我应该如何找到它们之间的相似性，因为一个记录将包含4个特征？

作为第（3）点问题的一个解决方案，我想通过计算它们之间的差异，然后从每个特征中挑出大多数来考虑每个特征的k-最近邻。你觉得怎么样？你可以提出任何优化？谢谢:)

Answer 1

非常有趣和有趣的应用程序！ ;-)

那么，其中一个问题当然是知道什么时候开始和停止计算这些功能，但我想你已经有一些解决方案（固定时间窗或按钮...） 。 您当然可以使用knn分类器来做到这一点，但这当然不会是我的第一选择，因为它对异常值非常敏感（如果您的措施在单个培训课程中搞砸了，它将永远影响您的下一个分类）。 所以我宁愿去一个高斯模型：

1. 记录大约10至20实施例为每个活动
2. 计算每个活动
平均向量和对角协方差矩阵（即，4个值的矢量）
3. 在测试时，您计算高斯可能性，即您的新观察向量由三个高斯模型之一生成，并且您选择具有最大可能性的活动。

Answer 2

我会以不同的方式解决问题。我会在较长的时间内（比如1周）采集大量样本，然后在其中找到聚类。之后，只要当前测量值接近其中一个群集，用户就可以标记群集。集群的数量应限制在少数活动中，以便用户只需标记几个集群。

缺点：

• 需要从用户/没有立即满足训练数据。
• 实施起来比较复杂。

优点：

• 为用户定制的。
• 不受外部/非个人培训数据的限制。
• 使用其他数据（光照/温度/ GPS /时间/声音/相机）。
• 可能更准确。
• 算法的连续重新训练是可能的。
• 随着更多数据的可用，准确性随着时间而改善。
• 可以将标签数据上传到中央服务器，并在未来版本的应用程序中使用它。