随着智能电表的使用日益普及以及太阳能电池板等发电技术的广泛应用，涌现出大量电力使用数据。这些数据代表了功率相关变量的多变量时间序列，可用于建模甚至预测未来的电力消耗。在本教程中，您 […]

人类活动识别（HAR）是一项具有挑战性的时间序列分类任务。它涉及根据传感器数据预测人的运动，传统上需要深厚的领域专业知识和信号处理方法来从原始数据中正确地工程化特征，以便拟合机器学习模型。最近，深度学习方法 […]

人类活动识别是指将专门的设备或智能手机记录的加速度计数据序列分类为已知明确定义的运动的问题。该问题的经典方法是基于固定大小的窗口从时间序列数据中手动创建特征，并训练机器学习模型，例如决策树的集成。难度在于 […]

人类活动识别是指将专门的设备或智能手机记录的加速度计数据序列分类为已知明确定义的运动的问题。该问题的经典方法是基于固定大小的窗口从时间序列数据中手动创建特征，并训练机器学习模型，例如决策树的集成。难度在于 […]

人类活动识别是指将专门的设备或智能手机记录的加速度计数据序列分类为已知明确定义的运动的问题。该问题的经典方法是基于固定大小的窗口从时间序列数据中手动创建特征，并训练机器学习模型，例如决策树的集成。难度在于 […]

人类活动识别是指将专门的设备或智能手机记录的加速度计数据序列分类为已知明确定义的运动的问题。这是一个具有挑战性的问题，因为每秒会产生大量观测数据，观测具有时间性，并且缺乏清晰的方法将加速度计数据与 […]

人类活动识别是指将专门的设备或智能手机记录的加速度计数据序列分类为已知明确定义的运动的问题。这是一个具有挑战性的问题，因为每秒会产生大量观测数据，观测具有时间性，并且缺乏清晰的方法将加速度计数据与 […]

室内运动预测涉及使用无线传感器信号强度数据来预测建筑物内受试者的位置和运动。这是一个具有挑战性的问题，因为没有直接的分析模型可以将来自多个传感器的可变长度信号强度数据记录转换为用户行为。“室内用户运动”数据集是 […]

空气污染的特征是地面臭氧浓度。通过气象测量，例如风速和温度，可以预测明天的地面臭氧是否会达到足够高的水平以发出公众空气污染预警。这是用于 […] 的标准机器学习数据集的基础。