Activity-Recognition

项目内容

模型训练及实验分析
手机行为识别APP开发

所需工具

实验实例全部运行于Python 3.6环境，尚需引入以下扩展包。

sklearn
pandas
numpy
matplotlib
seaborn
plotly

手机APP开发需如下支持。

JDK 9

实验数据

来自WISDM 数据集，志愿者数为36 人，共1098207 个采样点，包含以下六种行为。

静坐(Sitting)
站立(Standing)
上楼(Upstairs)
下楼(Downstairs)
步行(Walking)
慢跑(Jogging)

各志愿者采样数据分布直方图如下所示。

HARPY库

HARPY(Human Activity Recognition Python Library)库是为了基于加速度数据的人体行为识别方法开发的python库，其包裹了sklearn、numpy、matplotlib的部分功能，主要目的是为行为识别研究提供便捷。

目前HARPY共包含utils(工具包)、prepocess(数据预处理)、selection(特征、数据选择)、calculate(特征值计算)、train(模型训练)、parameter(参数调优)、visualization(数据可视化)等七个模块。更多扩展功能仍在开发中，源码可在activity_recognition目录获得，本目录下startup.py文件可用于各功能测试，测试文件见data_set和feature目录。

activity_recognition.calculate:特征值计算

一级接口

接口	功能	输入参数	输出(文件、返回值、打印信息)
calculate_range_id	计算指定范围内用户特征	(start_id, end_id)	"$(start_id)-$(end_id).csv"写入"./feature"目录下
calculate_except_range_id	计算不在指定范围内用户特征	(start_id, end_id)	"except_$(start_id)-$(end_id).csv"写入"./feature"目录下
calculate_id	计算指定用户的特征	(id)	"$(id).csv"写入"./feature"目录下
calculate_per_id	计算每个用户的特征	-	为每个用户在"./feature"目录下生成".csv"文件
calculate_expect_id	计算除指定用户外其他用户特征	id	在"./feature"目录下生成"expect_$(id).csv"文件
calculate_per_expect_id	对每个用户执行calculate_expect_id操作	-	对每个用户在"./feature"下生成"expect_$(id).csv"文件
calculate_all	计算所有用户特征	-	所有用户特征都将写入"all.scv"并写入"./feature"目录

activity_recognition.train:模型训练与评估

一级接口

接口	功能	输入参数	输出(文件、返回值、打印信息)
train_test_split_result	以sklearn默认方式划分训练、测试集并训练模型	(clf, X, y)	打印模型性能参数
stratifiedk_fold_result	按默认参数等比例采样后训练模型	(clf, X, y)	打印模型性能参数
k_fold_result	以默认参数做K折交叉实验	(clf, X, y)	打印模型性能参数

activity_recognition.parameter:参数调优

一级接口

接口	功能	输入参数	输出(文件、返回值、打印信息)
grid_search_parameter	以网格搜索方式遍历超参空间并比较模型优劣	(clf, X, y)	打印各参数评分及模型的最优参数组合
random_search_parameter	以随机搜索方式遍历超参空间并比较模型优劣	(clf, X, y)	打印各参数评分及模型的最优参数组合

activity_recognition.visualization:数据可视化

一级接口

接口	功能	输入参数	输出(文件、返回值、打印信息)
plot_learning_curve_default	画出ShuffleSplit下学习曲线	(X, y, clf)	得到学习曲线图
plot_learning_curve_cv	画出指定交叉验证下学习曲线	(X, y, clf, cv)	得到学习曲线图
plot_paramter_curve_default	画出ShuffleSplit下单变量评分变化曲线	(X, y, clf, param_name, param_range)	得到单变量评分变化曲线
plot_paramter_curve_cv	画出指定交叉验证下单变量评分变化曲线	(X, y, clf, cv, param_name, param_range)	得到单变量评分变化曲线
plot_confusion_matrix	按比重画出渐变色混淆矩阵	(confusion_matrix)	得到渐变色混淆矩阵
plot_gridsearch	画出二维网格准确率渐变色图	(clf, X, y)	得到二维网格准确率渐变色图

activity_recognition.utils:辅助工具

一级接口

接口	功能	输入参数	输出(文件、返回值、打印信息)
read_file	读取"./feature"下特征文件	(file_name)	返回特征X和标签y
read_feature	读取"./feature"下特征文件	(file_name)	只返回特征X
get_default_clf	根据输入模型缩写生成默认模型	(clf_name)	返回模型
extract_activity	按各行为分离指定编号人员的特征文件	(file_name, id)	在"./feature/$(id)/"目录下生成各行为".csv"文件
extract_per_people	按各行为分离所有人员的特征文件	-	在所有"./feature/$(id)/"目录下生成各行为".csv"文件
extract_feature	读取各文件并截取指定特征列	(file_name, write_file, list)	截取的特征列写入"./feature/$(id)/$(write_file).csv"文件中
extract_activuty_feature	截取id_list中所有用户的feature_list列特征	(id_list, feature_list)	每个截取的特征列写入"./feature/$(id)/$(write_file).csv"文件中
hash_name	完成特证名与列号的映射	-	返回映射结果（列）

activity_recognition.selection:参数调优

一级接口

接口	功能	输入参数	输出(文件、返回值、打印信息)
activity_pearson	计算不同用户相同行为下各对应特征列间的的皮尔森系数	(X, Y)	打印各特征皮尔森系数及平均皮尔森系数

各模块功能仍在完善中，已有功能会对输入参数做一次统一。preprocess模块需要重写。二级接口文档最近会整理。

本项目于2017.12.8日开始更新 ...

本人Python及Java均为十月起初学，如有好的实现请邮件我！

linw7@mail2.sysu.edu.cn

License

linw7/Activity-Recognition

ErrorLooks like something went wrong!

About

Resources

License

Stars

Watchers

Forks

Releases

Packages 0

Languages

Error
Looks like something went wrong!

Packages