信息技术与软件工程杂志
开放获取

抽象的

活动识别机器学习分类模型的比较研究

莫森·纳比安

活动识别（AR）系统是为手机和智能可穿戴设备开发的机器学习模型，用于识别各种实时人类活动，例如步行、站立、跑步和骑自行车。在本文中，对几种著名的监督和无监督学习模型的性能（准确性和计算时间）进行了检查，包括逻辑回归、支持向量机、K 最近邻、Naive Base、决策树和随机森林。数据集。结果表明，随机森林模型优于其他模型，准确率超过 99%。结果表明，PCA 显着提高了单隐层人工神经网络和 SVM 模型的精度和时间性能，