Algorithm 比较加速计传感器数据的合适ML算法是什么？

我是机器学习的新手。我想用机器学习来比较我从手机加速计传感器收集的数据。我用逗号分隔了经度和纬度

让我们假设我在街道x上驾驶汽车得到的数据为下面的值1。如果我驾驶同一辆车，在同一条街上有多个数据，我想根据这些数据训练一个模型。因此，将使用加速计传感器数据、经度、纬度和车辆类型对模型进行训练。之后，如果有没有车辆类型的新数据，我想确定车辆类型

我能为这个场景提供一个合适的机器学习算法的建议吗

价值观1：

---

[0.41 80.21464327 6.03746252, -0.22 80.21464182 6.03751725, -0.47 80.21464501 6.03756485, -0.17 80.21464358 6.03760711, -0.59 80.2146479 6.03764445, -1.07 80.21465786 6.03767261, 0.24 80.21466478 6.0377051, -0.7 80.21466468 6.03774136, 0.68 80.21466873 6.0377806, 1.03 80.21467383 6.03782412, -0.3 80.21467654 6.03786671, 0.39 80.21467859 6.03791466，0.21 80.21468187 6.03795632，0.06 80.21468436.03800212，0.22 80.21468421 6.03804084，0.62 80.21469052 6.03807511]

你的车辆检测问题听起来可能很难，由于不同车型之间的差异与数据中的其他差异源相比可能非常小，不同的驾驶员、不同的交通状况、不同的传感器

因此，首先，我将捕获在非常受控的情况下收集的一些数据： 在一些路段上，让两辆不同的车尽可能地紧跟在一起。在同一路段上进行多次跑步，尽量使条件相似。切换驱动程序，然后重复采集。切换手机，重复采集

首先，您需要确保加速计矢量始终指向同一方向。标准方法是在线估计重力矢量，然后相应地变换坐标空间

其次，您需要将数据转换为一组有意义的特征。我建议计算短时傅里叶变换来获得光谱图。然后，您可以进行一些探索性的数据分析，试图看看车辆之间是否存在差异以及车辆的性质。一旦你了解了这一点，你就可以考虑设计一个模型了

---

与此类似的最有记录的加速度计问题是人类活动检测，您应该查看文献以了解更多详细信息。

请让我了解。您的数据是包含一组表示这些街道的值的街道。你想知道给定的一组值是否代表你拥有的一条街道，如果它代表的是哪条街道。如果我的两个问题的答案都是肯定的，那么你不需要ML，你可以简单地想一想这些向量之间的距离函数。@Yonlif，我认为我解决问题的方法是不正确的。很抱歉，我已经编辑了这个问题。你能帮助我吗？你对两种不同车辆的加速计数据如何相同的假设是什么？保险杠的动作不同？打破和加速的速度是不同的，这也很大程度上受驾驶员的影响？@jonnor，我假设车辆以相同的速度行驶。