classer les données de l'accéléromètre au fil du temps en python

Question

J'ai un ensemble d'enregistrements de données accélérométriques après 4 types d'événements différents (et de nombreuses répétitions de chacun). chaque point (enregistrement) est défini par 3 vecteurs (X, Y, Z) avec 150 000 échantillons chacun (5 secondes avec une fréquence d'échantillonnage de 30 KHz). Donc dans l'ensemble, j'ai beaucoup de 3x150 000 matrices.

Je veux utiliser un classificateur ou un clustering pour ces points en utilisant python afin de voir s'il y a une différence entre le comportement de l'accéléromètre après les différents types d'événements.

1. Quel est le meilleur classificateur à utiliser?
2. comment dois-je structurer mes données?
3. comment puis-je tracer ceci afin de visualiser mes données?

merci beaucoup à tous les aides.

Answer 1

Il est assez difficile de vous donner des indications précises sur ce que vous devriez faire en termes de stockage de données. Je suppose que vous l'avez déjà compris? Sinon, tout dépend de divers paramètres, tels que la fréquence d'accès en lecture/écriture, la taille des données et d'autres choses, comme votre système DAQ. Pour cette raison, je suppose que c'est déjà résolu et les données sont déjà enregistrées et stockées en quelque sorte. Cela peut être dans un fichier csv, une base de données ou un format de fichier personnalisé. Tant que vous pouvez le lire, cela n'a pas vraiment d'importance. Utilisez les codes pandas pour structurer vos données. Il est un wrapper autour numpy et est décrit comme:

pandas géants est une open source, bibliothèque sous licence BSD offrant de hautes performances, des structures de données faciles à utiliser et des outils d'analyse de données pour le langage de programmation Python.

Pour le traçage, puisque vous semblez faire une analyse statistique, utilisez matplotlib pour votre base de traçage ou seaborn pour votre regroupement et l'analyse statistique, etc. Depuis le site Web Seaborn:

Seaborn est un Bibliothèque de visualisation Python basée sur matplotlib. Il fournit une interface de haut niveau pour dessiner des graphiques statistiques attrayants.

Jetez un oeil à la Seaborn gallery, pour les tracés possibles. Il donne une bonne vue d'ensemble sur les diagrammes possibles avec la bibliothèque ainsi que le code source requis pour ce tracé.