Wird geladen...
Aufgabe #26
Autor:Mihai Nan
Schwierigkeit
Dein bestes Ergebnis
N/V
Wir erhalten einen Datensatz mit Sequenzen menschlicher Bewegungen, die jeweils aus mehreren Frames (FrameNumber) bestehen.
Jeder Frame enthält die 3D-Positionen von 25 Körpergelenken, dargestellt durch die Koordinaten:
J1X, J1Y, J1Z, ..., J25X, J25Y, J25Z.
Jeder Frame ist mit einer Sequenz-Kennung (IDSample) und zwei Labels verknüpft:
Action — die ausgeführte AktionCamera — die Kamera, die die Sequenz aufgezeichnet hatUm die räumliche Verteilung der 25 Gelenke besser zu verstehen:
Bestimme für jede eindeutige IDSample, wie viele Frames im Testdatensatz (test_data.csv) verfügbar sind.
Diese Analyse hilft dabei, die zeitlich-räumliche Verteilung der Daten für jede Aktion zu verstehen.
Trainiere mit den Trainingsdaten ein Klassifikationsmodell, das die in einer Sequenz von Frames ausgeführte Aktion erkennen kann.
Wende das Modell auf die Testdaten an und sage für jede eindeutige IDSample die wahrscheinlichste Aktion vorher.
Die Leistung des Modells wird anhand der Genauigkeit bewertet, definiert als:
Um die volle Punktzahl zu erhalten, muss die erreichte Genauigkeit mindestens 0,965 betragen.
Trainiere mit den Trainingsdaten ein Modell, das vorhersagen kann, welche Kamera eine gegebene Sequenz von Frames aufgezeichnet hat.
Wende das Modell auf den Testsatz an und gib für jede IDSample die als wahrscheinlichste vorhergesagte Kamera an.
Die Modellleistung wird erneut anhand der Genauigkeit bewertet, definiert als:
Um die volle Punktzahl zu erhalten, muss die erreichte Genauigkeit mindestens 0,8 betragen.
Das Endergebnis muss eine CSV-Datei namens output.csv sein, die genau 3 Spalten enthält:
| subtaskID | datapointID | answer |
|---|---|---|
| 1 | IDSample aus test_data.csv | entsprechende Antwort für diese Teilaufgabe |