WEKA中的加速度计缺失数据及分类

Question

为了活动识别的目的，我收集了加速度计和陀螺仪数据在步行活动中，从两个不同的设备。我有两个设备的加速度计数据(x，y，z)和陀螺仪数据(x，y和z)，我正在尝试构建我的特征向量。下面是我的特征向量的一个例子(请注意，我对每个坐标都有数百个读数: x、y和z)：

​

我的问题：

1. 在某些情况下，我有较少的阅读样本，例如在1st_phone_Gyro和2nd_Phone_Gyro中，我该如何处理这里的空白呢？如果我有这些空的单元格，我是否应该设置零，知道WEKA在抱怨。有零会影响分类吗？
2. 有什么建议可以提取哪些特征来提高性能，什么样的算法才能给出最佳的识别结果？

Answer 1

你的数据中没有太多的噪音。因此，您可以通过线性插值合理地估计缺失的值。如果缺少的值很少，则可以删除这些条目。

由于这里有一定的时间依赖性，我想RNN会给出很好的精度。RNN的一种特殊类型是LSTM，它具有从可变时间段记忆事件的能力。

您还可以尝试“捆绑”大约100个输入，以生成一些有用的输入，用于培训标准can进行分类。