Python 基于IMU数据的机器学习手势分类

我有一个有趣的问题要解决。其目的是根据加速度、横滚-俯仰-偏航等对记录为传感器数据的手势进行分类。每个手势都有固定的值数组。目标是使用监督学习算法对手势进行分类

下面是关于数据性质的一些细节。每个手势包括：
1.40行
2.6列（加速度X，Y，Z，角速度X，Y，Z）

每个手势基本上都有40 x 6的浮点值，这是传感器数据

这里有一个指向示例数据的链接

这个文件有16个手势，它们属于同一类。还有其他值，但首先让我们使用上面列出的六列。所有示例手势都属于类1

假设有十种姿势。一旦分类器被训练，模型的预测应该是新手势所属的十个类别之一。类的数量是固定的，每个数据点中的值也是恒定的（40x6）

以下是我向社区提出的问题：

学习过程需要多少数据才能使模型运行良好

如何将这些数据转换成可以输入分类器的中间形式

任何关于如何解决这个问题的建议都会很有帮助。提前谢谢

这就是我到目前为止所做的，我被困在如何将其转换成合适的格式，并将其输入分类器中。我将使用sklearn完成任务。

---

这个问题对于这里来说太宽泛和离题了，可能更适合于datascience.stackexchange.com。这是一个简单的家庭作业问题。我们已经有很多了。若你们把问题贴在那个里，请把它当作是一个代码作业问题，并说明你们到目前为止发现了什么，以及你们被困在哪里。此外，如果您要求提供关于转换数据的建议，您应该提供一个小样本数据，否则您要求的是关于一般数据准备的教程，这太宽泛了。我需要将此数据转换为可以输入分类的数据帧。只需使用

pandas

直接加载电子表格数据即可。您的链接问题要求将数据分组到列表中，这不是正确的做法。您的电子表格没有任何类标签。您需要添加这些，否则监督学习分类器无法从中学习。上面给出的数据是样本数据。对于上面给出的样本数据，样本类别E为1。我有整个数据的示例类。如何将这些数据输入分类器？