如何对来自多个传感器的记录数据进行分类？
How to classify the recorded data from multiple sensors?
我正在尝试通过使用连接到柔性传感器和加速度计（也可能是 emg 传感器）的 arduino 来制作一款能够识别手势的手套。
我能够从我读取的传感器中记录所有这些数据。我想要的是了解如何创建分类器来识别这些手势。有人说使用 Matlab 或 Pyton，但我不知道从哪里开始。我看到了一些用于机器学习的库，但我立即迷路了。我对采样和分类的概念略知一二。
如果可能的话，我想要一些我可以开始学习的资源建议。
注：我主要懂java编程语言
在将机器学习应用到您的问题之前，您可能需要对它进行一些 courses/tutorials 研究。
There 一大堆ML素材。
还有一些步骤，可能会帮助您解决问题。
首先，您必须为您的数据选择合适的格式。到
识别手势，你可能必须跟踪你的
参数（屈曲、加速度）随时间变化。
Е示例：您每 0.1 秒记录一次参数，并且手势
长度为1s。所以特征向量看起来像 [f0, f1, ...,
f10, a0, ..., a10].
之后，您必须创建训练集 - 特征集
带有相应标签的向量。此时，你必须标记
自己做手势。你可能需要很多例子才能得到你的
进一步的分类器工作。
最后一部分：选择一些机器学习工具（我用Python和
scikit-学习）。分类器种类繁多，但我建议
使用简单的开始（NearestNeighbors，决策树）。
Java中有一些机器学习库，你可以使用它们
如果你想。使用你的训练数据集来训练你的分类器，所以
它将能够预测新特征向量的标签。
示例 (Python):
from sklearn.neighbors import KNeighborsClassifier
clf = KNeighborsClassifier()
clf.fit(X, y)
# X is an array of feature vectors, y is an array of labels.
gestures = clf.predict(X_new)
# X_new is an array of feature vectors of
# gestures you want to recognize
此外，您可能会发现有用的 this Kaggle 竞赛，它也是关于手部动作识别的，但是使用 EEG 记录。
我正在尝试通过使用连接到柔性传感器和加速度计（也可能是 emg 传感器）的 arduino 来制作一款能够识别手势的手套。
我能够从我读取的传感器中记录所有这些数据。我想要的是了解如何创建分类器来识别这些手势。有人说使用 Matlab 或 Pyton，但我不知道从哪里开始。我看到了一些用于机器学习的库，但我立即迷路了。我对采样和分类的概念略知一二。
如果可能的话，我想要一些我可以开始学习的资源建议。
注：我主要懂java编程语言
在将机器学习应用到您的问题之前，您可能需要对它进行一些 courses/tutorials 研究。 There 一大堆ML素材。
还有一些步骤，可能会帮助您解决问题。
首先，您必须为您的数据选择合适的格式。到 识别手势，你可能必须跟踪你的 参数（屈曲、加速度）随时间变化。
Е示例：您每 0.1 秒记录一次参数，并且手势 长度为1s。所以特征向量看起来像
[f0, f1, ..., f10, a0, ..., a10].之后，您必须创建训练集 - 特征集 带有相应标签的向量。此时，你必须标记 自己做手势。你可能需要很多例子才能得到你的 进一步的分类器工作。
最后一部分：选择一些机器学习工具（我用Python和 scikit-学习）。分类器种类繁多，但我建议 使用简单的开始（NearestNeighbors，决策树）。 Java中有一些机器学习库，你可以使用它们 如果你想。使用你的训练数据集来训练你的分类器，所以 它将能够预测新特征向量的标签。
示例 (Python):
from sklearn.neighbors import KNeighborsClassifier
clf = KNeighborsClassifier()
clf.fit(X, y)
# X is an array of feature vectors, y is an array of labels.
gestures = clf.predict(X_new)
# X_new is an array of feature vectors of
# gestures you want to recognize
此外，您可能会发现有用的 this Kaggle 竞赛，它也是关于手部动作识别的，但是使用 EEG 记录。