我试图理解上面的Kaggle问题,但无法理解为什么维度发生了变化,hop和frame是什么意思? Scaled_x是最终的数据集
我想将随机林应用于这个数据集的多类分类,当前的解决方案是基于CNN的。 请帮助我了解相关代码或任何资源
谢谢
打印(缩放x)
|x |y |z |label |1.485231 |-0.661030 |-1.194153 |0 |0.888257 |-1.370361 |-0.829636 |0 |0.691523 |-0.594794 |-0.936247 |0
Fs=20
frame_size = Fs*4 #80
hop_size = Fs*2 #40
def get_frames(df, frame_size, hop_size):
N_FEATURES = 3
frames = []
labels = []
for i in range(0,len(df )- frame_size, hop_size):
x = df['x'].values[i: i+frame_size]
y = df['y'].values[i: i+frame_size]
z = df['z'].values[i: i+frame_size]
label = stats.mode(df['label'][i: i+frame_size])[0][0]
frames.append([x,y,z])
labels.append(label)
frames = np.asarray(frames).reshape(-1, frame_size, N_FEATURES)
labels = np.asarray(labels)
return frames, labels
x,y = get_frames(scaled_x, frame_size, hop_size)
x.shape, y.shape
((78728, 80, 3), (78728,))
目前没有回答
相关问题 更多 >
编程相关推荐