人体活动识别：时序加速度数据的训练测试划分与建模咨询

一、数据集说明 #

你已将41位受试者的100Hz加速度数据读取为subjects列表，单份数据集结构如下：

test = subjects[0]
print(test.head())
print(test.info())

输出：

x         y         z  label
0  0.000964 -0.001134  0.006626      0
1  0.001184 -0.001213  0.009387      0
2  0.000443 -0.001731  0.008007      0
3 -0.000256 -0.000379  0.006897      0
4  0.000328  0.000040  0.005098      0
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1229597 entries, 0 to 1229596
Data columns (total 4 columns):
 #   Column  Non-Null Count    Dtype  
---  ------  --------------    -----  
 0   x       1229597 non-null  float64
 1   y       1229597 non-null  float64
 2   z       1229597 non-null  float64
 3   label   1229597 non-null  int64  
dtypes: float64(3), int64(1)
memory usage: 37.5 MB
None

二、数据集划分：按受试者拆分（推荐） #

你的初步划分方案完全合理，跨受试者拆分是时序行为数据的标准做法，能避免数据泄露（若打乱时序拆分，模型会接触到同一受试者的未来数据，泛化能力严重下降）。

# 41 subjects in total
train_data = subjects[:29]  # ~70% 训练集
validation_data = subjects[29:33]  # ~10% 验证集
test_data = subjects[33:]  # ~20% 测试集

若想更严谨，可先按label的分布分层挑选受试者，确保各集合的类别比例与整体一致。

三、特征工程：滑动窗口提取时序特征 #

原始加速度点无法直接用于分类，需通过滑动窗口提取时域、频域特征，捕捉运动模式：

• 窗口大小：100Hz采样率下，选1秒窗口（100个点），足够覆盖基本动作周期
• 滑动步长：50个点（50%重叠），平衡特征数量与计算成本

特征提取函数示例 #

import pandas as pd
import numpy as np
from scipy.stats import kurtosis, skew
from scipy.fftpack import fft

def extract_window_features(window, labels):
    # 时域特征：均值、标准差、极值、峰度、偏度
    mean = np.mean(window, axis=0)
    std = np.std(window, axis=0)
    max_val = np.max(window, axis=0)
    min_val = np.min(window, axis=0)
    kurt = kurtosis(window, axis=0)
    skewness = skew(window, axis=0)
    
    # 频域特征：FFT正频率部分能量
    fft_vals = fft(window, axis=0)
    freq_energy = np.sum(np.abs(fft_vals[:len(fft_vals)//2]), axis=0)
    
    # 合并所有特征
    features = np.concatenate([mean, std, max_val, min_val, kurt, skewness, freq_energy])
    # 窗口标签：取窗口内出现次数最多的标签（适配逐帧标注场景）
    window_label = pd.Series(labels).mode()[0]
    return features, window_label

def process_subject(subject_df, window_size=100, step_size=50):
    features = []
    labels = []
    n_samples = len(subject_df)
    
    # 滑动窗口遍历数据
    for start in range(0, n_samples - window_size + 1, step_size):
        end = start + window_size
        # 提取x/y/z三轴窗口数据
        window_data = subject_df[['x','y','z']].values[start:end]
        window_labels = subject_df['label'].values[start:end]
        feat, lbl = extract_window_features(window_data, window_labels)
        features.append(feat)
        labels.append(lbl)
    
    return np.array(features), np.array(labels)

批量处理所有数据集 #

# 处理训练集
X_train, y_train = [], []
for subj in train_data:
    X_sub, y_sub = process_subject(subj)
    X_train.append(X_sub)
    y_train.append(y_sub)
X_train = np.concatenate(X_train, axis=0)
y_train = np.concatenate(y_train, axis=0)

# 处理验证集
X_val, y_val = [], []
for subj in validation_data:
    X_sub, y_sub = process_subject(subj)
    X_val.append(X_sub)
    y_val.append(y_sub)
X_val = np.concatenate(X_val, axis=0)
y_val = np.concatenate(y_val, axis=0)

# 处理测试集
X_test, y_test = [], []
for subj in test_data:
    X_sub, y_sub = process_subject(subj)
    X_test.append(X_sub)
    y_test.append(y_sub)
X_test = np.concatenate(X_test, axis=0)
y_test = np.concatenate(y_test, axis=0)

四、模型训练与调参 #

以Random Forest为例，完成训练、调参与验证：

from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report, confusion_matrix
from sklearn.model_selection import GridSearchCV

# 初始化基础模型
rf_model = RandomForestClassifier(n_estimators=100, random_state=42, n_jobs=-1)

# 训练模型
rf_model.fit(X_train, y_train)

# 验证集初步评估
y_val_pred = rf_model.predict(X_val)
print("=== 验证集初步评估 ===")
print(classification_report(y_val, y_val_pred))
print(confusion_matrix(y_val, y_val_pred))

# 网格搜索调参（优化模型性能）
param_grid = {
    'n_estimators': [100, 200],
    'max_depth': [None, 10, 20],
    'min_samples_split': [2, 5]
}

grid_search = GridSearchCV(estimator=rf_model, param_grid=param_grid, 
                           cv=3, n_jobs=-1, verbose=2)
grid_search.fit(X_val, y_val)
best_rf = grid_search.best_estimator_

五、测试集最终评估 #

用从未见过的测试集验证模型泛化能力：

y_test_pred = best_rf.predict(X_test)
print("=== 测试集最终评估 ===")
print(classification_report(y_test, y_test_pred))
print(confusion_matrix(y_test, y_test_pred))

关键注意事项 #

• 窗口大小可根据任务调整：若动作周期短，可缩小窗口（如50个点=0.5秒）
• 特征扩展：可添加三轴相关性、时域峰值计数、频域特定频段能量等特征
• 标签处理：若窗口内标签不一致，可根据任务选择取最后一个标签、加权平均标签等方式

内容的提问来源于stack exchange，提问作者Maxl Gemeinderat