【行動認識 #2】機械学習/深層学習で人間行動認識～データ確認～

この続き
【行動認識 #1】機械学習/深層学習で人間行動認識～事始め～ - MotoJapan's Tech-Memo

データセットは下記
UCI Machine Learning Repository: Human Activity Recognition Using Smartphones Data Set

ライセンスは次の通り。

This dataset is distributed AS-IS and no responsibility implied or explicit can be addressed to the authors or their institutions for its use or misuse. Any commercial use is prohibited.

「Human Activity Recognition Using Smartphones Data Set」『UCI Machine Learning Repository』データセット内 README.txt より。
URL: https://archive.ics.uci.edu/ml/datasets/human+activity+recognition+using+smartphones

データセットについて構造確認

train側だけだとこんなイメージ（test側もあり）

body_acc_x_train # 重力分離済み加速度情報 (★1)
body_acc_y_train
body_acc_z_train
body_gyro_x_train # 角速度情報 (★1)
body_gyro_y_train
body_gyro_z_train
total_acc_x_train # 重力未分離加速度情報 (★1)
total_acc_y_train
total_acc_z_train
X_train # 特徴量 (★1)
y_train # 行動ラベル (★2)

分類問題を解くのであれば、★2が正解ラベルであり、★1を駆使して分類する。
今回はより生に近い値でやりたいので、入力は重力未分離加速度情報(ax,ay,az)と角速度情報(gx, gy, gz)のみを利用。

ではデータの中身を眺める。

データセットの中身確認

trainデータだけでも、7352件/21名分あるのでまずこれを味見。

同一被験者/行動違いのデータを確認（時間領域）

被験者１(Subject1)内でのランダムに取り出した各Actionのノルム違い

total_norm_acc_train
f:id:motojapan:20170805005540p:plain
body_norm_gyro_train
f:id:motojapan:20170805005534p:plain

明らかにWALK系とそれ以外で分離可能
この分離は、最大値、最小値、標準偏差を考察したが、標準偏差は加速度/角速度共に $10^{-1}$ と $10^{-2}$ のorder差が見える

異なる被験者/同一行動のデータを確認

シンプルそうなSTANDINGで確認。

total_norm_acc_train
f:id:motojapan:20170805012236p:plain
body_norm_gyro_train
f:id:motojapan:20170805012300p:plain

total_acc_trainは、Subject3,5はオフセットしているように見える
- これは最初から平均値等でキャンセルした方が良さそう。
body_gyro_trainは、かなり小さい値なので、その辺りで安定している
- Subject11が持つ0.14[rad/s]付近のデータでも8.02[dps]と考えるとかなり小さい。