2025年泰迪杯数据挖掘挑战赛B题实战指南：基于穿戴装备的身体活动监测问题解析与实现

1次阅读

共计 1550 个字符，预计需要花费 4 分钟才能阅读完成。

穿戴设备（如智能手环、运动手表）产生的数据具有典型的时序特性，主要表现为：

高频采样与异构性 ：加速度计、陀螺仪等传感器以 10-100Hz 频率生成三维时序数据，不同设备采样率可能不一致
多模态噪声干扰 ：包括运动伪影（剧烈动作导致的信号失真）、传感器漂移（基线缓慢偏移）和环境电磁干扰
标签稀疏性 ：人工标注的活动类别通常只在特定时间段存在，需要对齐时序和标签

解决采样率不一致和特征提取的基本方法：

固定窗口长度（如 2 秒）和重叠率（50%）切割原始信号
每个窗口视为一个样本，窗口内数据做标准化（z-score）

# 滑动窗口示例
from numpy.lib.stride_tricks import sliding_window_view

def create_windows(data, window_size=100, overlap=0.5):
    step = int(window_size * (1 - overlap))
    return sliding_window_view(data, window_shape=window_size, axis=0)[::step]

低通滤波 （Butterworth）：去除高频噪声（适合心率数据）
中值滤波 ：消除脉冲噪声（如设备短暂脱落）
Kalman 滤波 ：融合多传感器数据（需状态方程建模）

完整 Python 处理流程示例（使用 pandas 和 tsfresh）：

# 数据加载与基础预处理
import pandas as pd
from tsfresh import extract_features

raw_data = pd.read_csv('activity.csv')

# 基础特征提取（时域 + 频域）def basic_features(df):
    # 时域特征
    df['x_mean'] = df['acc_x'].rolling(50).mean()
    df['y_std'] = df['acc_y'].rolling(50).std()

    # 频域特征（需先做 FFT 变换）fft_vals = np.abs(np.fft.rfft(df['acc_z']))
    df['dominant_freq'] = fft_vals.argmax()
    return df

# 使用 tsfresh 自动生成特征
extracted_features = extract_features(
    raw_data, 
    column_id='user_id', 
    column_sort='timestamp'
)

在 UCI-HAR 数据集上的测试结果（F1-score）：