基于穿戴装备的身体活动监测：2025泰迪杯数据挖掘挑战赛B题技术解析与实战

1次阅读

共计 1975 个字符，预计需要花费 5 分钟才能阅读完成。

智能手表、手环等穿戴设备采集的传感器数据存在两大典型问题：

高噪声干扰 ：加速度计和陀螺仪数据容易受日常抖动影响（如走路时手臂摆动），信噪比(SNR) 普遍低于实验室设备
非均匀采样：设备为省电常采用动态采样率，导致数据时间戳不连续，传统插值方法会引入伪影

我们收集的测试数据显示，原始信号中有效活动特征仅占 15%-20%，其余都是环境噪声。这也是为什么直接用 CNN 处理原始信号会导致准确率不足 60%。

通过公开数据集 HAPT 的实验对比（10 折交叉验证），三种典型算法的表现如下：

算法	准确率	F1-score	推理速度(ms/ 样本)	内存占用
DTW+KNN	78.2%	0.76	120	低
LSTM	85.7%	0.83	45	高
Transformer	88.3%	0.86	60	极高

实战建议：对于算力有限的参赛队伍，推荐使用 LSTM+Attention 的折中方案。

使用 tsfresh 库可以快速生成 200+ 维特征，关键是要过滤掉冗余特征：

from tsfresh import extract_features, select_features
from tsfresh.utilities.dataframe_functions import impute

# 关键参数设置
fc_params = {
    "mean": None,  # 必须保留的统计量
    "standard_deviation": None,
    "fft_coefficient": [{"coeff": 0, "attr": "abs"}]  # 取 FFT 模值
}

extracted = extract_features(
    df, 
    column_id="session_id", 
    column_sort="timestamp",
    default_fc_parameters=fc_params,
    n_jobs=4  # 并行加速
)

# 特征选择（基于 p 值）impute(extracted)
features_filtered = select_features(extracted, y_train, fdr_level=0.05)

针对样本不平衡问题（如静止状态占比过高），采用两阶段分类策略：

第一阶段用随机森林区分「静止 / 运动」状态
第二阶段用 LightGBM 分类具体活动类型

关键代码实现样本加权：

import lightgbm as lgb

# 计算类别权重
class_weights = compute_class_weight(
    class_weight='balanced',
    classes=np.unique(y_train),
    y=y_train
)
weight_dict = dict(enumerate(class_weights))
sample_weights = [weight_dict[x] for x in y_train]

# 模型训练
params = {
    'objective': 'multiclass',
    'metric': 'multi_logloss',
    'boosting_type': 'gbdt',
    'num_class': 6,
    'learning_rate': 0.05
}

train_set = lgb.Dataset(X_train, y_train, weight=sample_weights)
model = lgb.train(params, train_set, num_boost_round=500)

通过网格搜索找到最佳窗口参数：