Python从0到100（九十一）：基于Daily_and_Sports_Activities数据集的CNN模型构建
前言：零基础学Python：Python从0到100最新最全教程。 想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、 计算机视觉、机器学习、神经网络以及人工智能相关知识，成为学习学习和学业的先行者！
【优惠信息】 • 新专栏订阅前200名享9.9元优惠 • 订阅量破200后价格上涨至19.9元 • 订阅本专栏可免费加入粉丝福利群，享受：
- 所有问题解答
-专属福利领取
欢迎大家订阅专栏：零基础学Python：Python从0到100最新最全教程！
本文目录：
一、Daily_and_Sports_Activities数据集
1.数据集介绍
该数据集包含19项日常和体育活动的运动传感器数据，每项活动由8名受试者以自然风格完成5分钟。数据采集使用Xsens-MTx传感器（5个节点：躯干、双臂、双腿），采样频率25Hz。特别设计的多场景环境（室内体育馆、户外平坦区域）确保数据多样性。数据集特征如下：
| 特征项 | 说明 |
|---|---|
| 数据模态 | 加速度计（3轴）、陀螺仪（3轴）、磁力计（3轴） |
| 数据维度 | 45通道（5节点×9传感器） |
| 时间分辨率 | 5秒片段（25Hz×125样本） |
| 活动差异 | 包含静态（A1-A4）、动态（A5-A19）及复杂场景（电梯、跑步机倾斜） |
| 受试者分布 | 4男4女，年龄20-30岁，无运动限制 |
应用场景：适用于人体行为识别（HAR）、运动模式分析、可穿戴设备算法开发等领域。
