特伦德拉赫人类活动识别传感器数据集-2021-wangboluo
数据来源：互联网公开数据
标签：人类活动识别,HARTH,传感器数据,加速度计,身体活动,机器学习,特伦德拉赫
数据概述：
本数据集是特伦德拉赫人类活动识别（HARTH）数据集，包含22名受试者在自由生活环境中佩戴两个三轴加速度计的记录数据，每个传感器分别佩戴在右大腿和下背部。每名受试者记录的时长大约为2小时。传感器数据由专业人士进行标注，为研究人员开发精确的人类活动识别（HAR）的机器学习方法提供了一个可靠的基准数据集。
数据集包含5267996条训练数据和1193332条测试数据，每条数据包含7个特征列。数据处理时移除了时间戳列，因为各传感器数据的时间间隔相同，且不同活动的时间间隔也相同，直接表示的是完成所有活动的总时间。
数据按活动类型分组，并将每组数据转换为时间序列。训练集和测试集按活动类型以8:2的比例进行划分，确保每种活动在训练集和测试集中都有良好的代表性。
数据特征包括：
- back_x：背部传感器在x方向（向下）的加速度，单位为g
- back_y：背部传感器在y方向（向左）的加速度，单位为g
- back_z：背部传感器在z方向（向前）的加速度，单位为g
- thigh_x：大腿传感器在x方向（向下）的加速度，单位为g
- thigh_y：大腿传感器在y方向（向右）的加速度，单位为g
- thigh_z：大腿传感器在z方向（向后）的加速度，单位为g
活动类型包括：
1：步行
2：跑步
3：拖步
4：上楼梯
5：下楼梯
6：站立
7：坐着
8：躺着
13：坐姿骑行
14：站立骑行
130：坐姿骑行（不活动）
140：站立骑行（不活动）
数据用途概述：
该数据集适用于机器学习模型的开发和评估，特别适用于人类活动识别研究。研究人员可以利用此数据集开发和验证新的机器学习算法，评估不同算法在真实生活场景中的性能。此外，数据集还适合用于教学和培训，帮助学生和研究人员理解人体活动识别的技术和方法。
