A carregar...
Problema #26
Autor:Mihai Nan
Dificuldade
A tua melhor pontuação
N/D
É fornecido um conjunto de dados contendo sequências de movimentos humanos, cada uma composta por múltiplos quadros (FrameNumber).
Cada quadro inclui as posições 3D de 25 articulações do corpo, representadas pelas coordenadas:
J1X, J1Y, J1Z, ..., J25X, J25Y, J25Z.
Cada quadro está associado a um identificador de sequência (IDSample) e dois rótulos:
Action — a ação realizadaCamera — a câmera que gravou a sequênciaPara melhor compreender a distribuição espacial das 25 articulações:
Para cada IDSample único, determine quantos quadros estão disponíveis no conjunto de dados de teste (test_data.csv).
Esta análise ajuda a entender a distribuição têmporo-espacial dos dados para cada ação.
Utilizando os dados de treinamento, treine um modelo de classificação capaz de reconhecer a ação realizada em uma sequência de quadros.
Aplique o modelo aos dados de teste e, para cada IDSample único, preveja a ação mais provável.
O desempenho do modelo será avaliado utilizando a acurácia (accuracy), definida como:
Para obter a pontuação total, a acurácia alcançada deve ser de pelo menos 0.965.
Utilizando os dados de treinamento, treine um modelo capaz de prever qual câmera gravou uma determinada sequência de quadros.
Aplique o modelo ao conjunto de teste e especifique, para cada IDSample, a câmera prevista como mais provável.
O desempenho do modelo é novamente avaliado usando a acurácia, definida como:
Para obter a pontuação total, a acurácia alcançada deve ser de pelo menos 0.8.
O resultado final deve ser um arquivo CSV chamado output.csv, contendo exatamente 3 colunas:
| subtaskID | datapointID | answer |
|---|---|---|
| 1 | IDSample de test_data.csv | resposta correspondente para aquela subtask |