UCI—HAR数据集包含两类数据:
一类是从三轴加速度传感器获得的时间序列(数据集中共包含了9个传感器数据)
还有一类数据集是经过特征工程之后获得的数据:每个特征向量包含561个特征数。
数据集下载地址:UCI Machine Learning Repository: Human Activity Recognition Using Smartphones Data Set
尝试将一维的数据拼接成2维矩阵,送入CNN网络中:
首先导入数据:
# 导入数据:
def load_X(X_signals_paths):
X_signals = []
for signal_type_path in X_signals_paths:
file = open(signal_type_path, 'r')
X_signals.append(
[np.array(serie, dtype=np.float32) for serie in
[row.replace(' ', ' ').strip().split(' ') for row in file]])
file.close()
return np.transpose(np.array(X_signals), (1, 2, 0))
def load_y(y_path):
file = open(y_path, 'r')
y_ = np.array([elem for elem in [row.replace(' ', ' ').strip().split(' ') for row in
file]], dtype=np.int32)
file.close()
return y_ - 1
标签设置成one-hot:
# 制作one-hot
def one_hot(y_):
y_ = y_.reshape(len(y_))
n_values = int(np.max(y_)) + 1
return np.eye(n_values)[np.array(y_, dtype=np.int32)]