傳感器數據集
這個項目使用了 WISDM (Wireless Sensor Data Mining) Lab 實驗室公開的 Actitracker 的數據集。 WISDM 公開了兩個數據集，一個是在實驗室環境采集的；另一個是在真實使用場景中采集的，這里使用的是實驗室環境采集的數據。
- 測試記錄：1,098,207 條
- 測試人數：36 人
- 采樣頻率：20 Hz
- 行為類型：6 種
- 走路
- 慢跑
- 上樓梯
- 下樓梯
- 坐
- 站立
- 傳感器類型：加速度
- 測試場景：手機放在衣兜里面
數據分析
從 實驗室采集數據下載地址 下載數據集壓縮包，解壓后可以看到下面這些文件：
- readme.txt
- WISDM_ar_v1.1_raw_about.txt
- WISDM_ar_v1.1_trans_about.txt
- WISDM_ar_v1.1_raw.txt
- WISDM_ar_v1.1_transformed.arff
我們需要的是包含 RAW 數據的 WISDM_ar_v1.1_raw.txt 文件，其他的是轉換后的或者說明文件。文件的每一行數據包含了測試id，行為類型，時間，加速度x，加速度y和加速度z。
這是一個不平衡的數據集，各個行為類型的數據比例不同，官方的描述文件中也提到：
- Walking: 424,400 (38.6%)
- Jogging: 342,177 (31.2%)
- Upstairs: 122,869 (11.2%)
- Downstairs: 100,427 (9.1%)
- Sitting: 59,939 (5.5%)
- Standing: 48,395 (4.4%)
創建、訓練並測試模型
模型可以分為數據輸入模型，訓練模型創建和測試評估模型。
數據輸入類型可以分為數據集加載，數據標准化，創建輸入數據。
加載數據集
文件的數據保存在 WISDM_ar_v1.1_raw.txt中，可以用pandas里面的函數，read_csv()進行讀取。
def read_data(file_path): column_names = ['user-id', 'activity', 'timestamp', 'x-axis', 'y-axis', 'z-axis'] data = pd.read_csv(file_path, header=None, names=column_names) return data
數據標准化
對變量的標准差標准化：標准差標准化是將某變量中的觀察值減去該變量的平均數，然后除以該變量的標准差。即
x’ik ＝ (xik －mean )／sk
經過標准差標准化后，各變量將有約一半觀察值的數值小於0，另一半觀察值的數值大於0，變量的平均數為0，標准差為1。經標准化的數據都是沒有單位的純數量。對變量進行的標准差標准化可以消除量綱（單位）影響和變量自身變異的影響。但有人認為經過這種標准化后，原來數值較大的的觀察值對分類結果的影響仍然占明顯的優勢，應該進一步消除大小因子的影響。盡管如此，它還是當前用得最多的數據標准化方法。
# 數據標准化 def feature_normalize(dataset): mu = np.mean(dataset, axis=0) sigma = np.std(dataset, axis=0) return (dataset - mu) / sigma
創建輸入數據
創建輸入數據，每一組數據包含x,y,z三個軸的90條連續記錄，用‘stats.mode’方法獲取這90條記錄中出現次數最多的行為作為該組行為的標簽，
def segment_signal(data, window_size=90): segments = np.empty((0, window_size, 3)) labels = np.empty((0)) print len(data['timestamp']) count = 0 for (start, end) in windows(data['timestamp'], window_size): print count count += 1 x = data["x-axis"][start:end] y = data["y-axis"][start:end] z = data["z-axis"][start:end] if (len(dataset['timestamp'][start:end]) == window_size): segments = np.vstack([segments, np.dstack([x, y, z])]) labels = np.append(labels, stats.mode(data["activity"][start:end])[0][0]) return segments, labels
訓練模型創建（cnn的結構如下）：
- 輸入：1*90大小的向量，3通道.（每天軸為一個通道，90為連續的90條記錄）
- 第一層卷積：1*10大小的卷積核60個。
- 第一層max-pooling：20*1的核。
- 第二層卷積：1*6卷積核10個。
- 第一層全連接：有1000個隱藏的神經元，采用tanh的激活函數
- Softmax層：歸一化。
訓練過程采用的是梯度下降算法。
卷積函數和池化函數的定義：
def depthwise_conv2d(x, W): return tf.nn.depthwise_conv2d(x, W, [1, 1, 1, 1], padding='VALID') # 為輸入數據的每個 channel 執行一維卷積，並輸出到 ReLU 激活函數 def apply_depthwise_conv(x, kernel_size, num_channels, depth): weights = weight_variable([1, kernel_size, num_channels, depth]) biases = bias_variable([depth * num_channels]) return tf.nn.relu(tf.add(depthwise_conv2d(x, weights), biases)) # 在卷積層輸出進行一維 max pooling def apply_max_pool(x, kernel_size, stride_size): return tf.nn.max_pool(x, ksize=[1, 1, kernel_size, 1], strides=[1, 1, stride_size, 1], padding='VALID')
卷積網絡的建立：
# 下面是使用 Tensorflow 創建神經網絡的過程。 X = tf.placeholder(tf.float32, shape=[None,input_height,input_width,num_channels]) Y = tf.placeholder(tf.float32, shape=[None,num_labels]) c = apply_depthwise_conv(X,kernel_size,num_channels,depth) p = apply_max_pool(c,20,2) c = apply_depthwise_conv(p,6,depth*num_channels,depth//10) shape = c.get_shape().as_list() c_flat = tf.reshape(c, [-1, shape[1] * shape[2] * shape[3]]) f_weights_l1 = weight_variable([shape[1] * shape[2] * depth * num_channels * (depth//10), num_hidden]) f_biases_l1 = bias_variable([num_hidden]) f = tf.nn.tanh(tf.add(tf.matmul(c_flat, f_weights_l1),f_biases_l1)) out_weights = weight_variable([num_hidden, num_labels]) out_biases = bias_variable([num_labels]) y_ = tf.nn.softmax(tf.matmul(f, out_weights) + out_biases)
損失函數集訓練函數
loss = -tf.reduce_sum(Y * tf.log(y_))
optimizer = tf.train.GradientDescentOptimizer(learning_rate = learning_rate).minimize(loss)
測試評估模型
測試評估函數
correct_prediction = tf.equal(tf.argmax(y_,1), tf.argmax(Y,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
我們將所有的數據進行7/3分，7用於對模型進行訓練，3用於對模型精度進行測試，其結果如下：
Precision 0.888409996548
Recall 0.884568153909
f1_score 0.880684696544
可以看成在在只迭代了8次的情況之下，等到了0.88的精度，效果非常好。