Authentication WEKA中加速度计缺失数据及分类

为了进行活动识别，我从两个不同的设备收集了步行活动期间的加速计和陀螺仪数据。我有来自这两个设备的加速计数据（x、y和z）和陀螺仪数据（x、y和z），我正在尝试构建我的特征向量。下面是我的特征向量的一个示例（请注意，我的每个坐标都有数百个读数：x、y和z）：

我的问题是:

在某些情况下，我的读数样本较少，比如在第一个电话陀螺和第二个电话陀螺中，我该如何处理这里的空白？如果我有这些空单元格，我是否应该在知道WEKA抱怨的情况下输入零。零会影响分类吗

有什么建议可以提取哪些特征来提高性能，什么算法可以提供最佳的识别结果

---

你的数据中没有太多噪音。因此，您可以通过以下方法合理估计缺失值。如果缺少的值很少，可以删除这些条目

因为这里有一定的时间依赖性，我想s会给出很好的精确度。RNN的一种特殊类型是A，它具有从可变时间段记忆事件的能力

---

您还可以尝试“捆绑”大约100个输入，以生成一些有用的输入，用于培训用于分类的标准CNN

你好，Meet，谢谢你的回答和算法的推荐，我会试试的。只是想让你知道，这只是我的数据的一个例子。实际上，每个坐标（x，y，z）都有数百个读数。