Caricamento...
Problema #26
Autore:Mihai Nan
Difficoltà
Il tuo miglior punteggio
N/D
Ci viene fornito un dataset contenente sequenze di movimenti umani, ognuna composta da più fotogrammi (FrameNumber).
Ogni fotogramma include le posizioni 3D di 25 articolazioni del corpo, rappresentate dalle coordinate:
J1X, J1Y, J1Z, ..., J25X, J25Y, J25Z.
Ogni fotogramma è associato a un identificatore di sequenza (IDSample) e a due etichette:
Action — l'azione eseguitaCamera — la telecamera che ha registrato la sequenzaPer comprendere meglio la distribuzione spaziale delle 25 articolazioni:
Per ogni IDSample unico, determinare quanti fotogrammi sono disponibili nel dataset di test (test_data.csv).
Questa analisi aiuta a comprendere la distribuzione temporale-spaziale dei dati per ogni azione.
Utilizzando i dati di addestramento, addestrare un modello di classificazione in grado di riconoscere l'azione eseguita in una sequenza di fotogrammi.
Applicare il modello ai dati di test e, per ogni IDSample unico, predire l'azione più probabile.
Le prestazioni del modello saranno valutate utilizzando l'accuratezza (accuracy), definita come:
Per ottenere il punteggio pieno, l'accuratezza raggiunta deve essere almeno 0.965.
Utilizzando i dati di addestramento, addestrare un modello in grado di predire quale telecamera ha registrato una determinata sequenza di fotogrammi.
Applicare il modello al set di test e specificare, per ogni IDSample, la telecamera predetta come più probabile.
Le prestazioni del modello sono valutate nuovamente tramite l'accuratezza, definita come:
Per ottenere il punteggio pieno, l'accuratezza raggiunta deve essere almeno 0.8.
Il risultato finale deve essere un file CSV denominato output.csv, contenente esattamente 3 colonne:
| subtaskID | datapointID | answer |
|---|---|---|
| 1 | IDSample da test_data.csv | risposta corrispondente per quel subtask |