随机森林在预测人类行为中的应用
- 案例整理者：
- 黄纵横
- 最后修订：
- 2020-12-15
任务类型：分类问题
算法：随机森林；决策树
数据源：人类行为数据集（65.8M）
下载地址1（human_behavior_test.csv(18.8M) ） （human_behavior_train.csv(47M) ）下载地址2（北大网盘）
背景：北京时间2014年9月10日凌晨，Apple公司推出Apple Watch，高调宣布进入智能手表领域。智能手表功能很多，但是其中有一个功能最为重要，即对于人类行为的识别。用户与智能手表的交互应当是自然的，比如说当我们在行走的时候手表会自动帮我们记录步数与心率，当我们坐下时自动唤醒智能界面等。这些复杂的人机交互需要机器自动识别，此时机器学习在智能手表中的应用尤为重要。因此我们需要了解一些常用的分类算法，以帮助我们在智能手表的构建中正确使用算法，构造出符合人机交互逻辑的产品。 数据集：数据由UCI提供。数据内容主要为人类的不同动作对应的身体各个部位的数值（比如角度，加速度等）。因为是要识别人类的动作，所以我们需要采集受试者各个动作的数据（即各个关节的各个角度、以及在当前重力下的身体各个空间指标）、受试者ID和受试者的动作。实验室通过陀螺仪（Gyroscope）与加速度计（Accelerometer）测试以下动作：Walking 行走、Walking Upstairs 上楼、Walking Downstairs 下楼、Sitting 坐、Standing 站立、Laying 躺着。
