没有合适的资源?快使用搜索试试~ 我知道了~
Get_Clean_Data_Course_Project
共34个文件
txt:30个
md:2个
r:1个
需积分: 5 0 下载量 14 浏览量
2021-06-17
10:39:28
上传
评论
收藏 58.28MB ZIP 举报
温馨提示
#获取和清理数据 - 课程项目 存储库包含我为 Coursera 课程“获取和清理数据”的课程项目所做的工作。 #UCI HAR 数据集(原始数据) UCI HAR 数据集代表从三星 Galaxy S 智能手机的加速度计收集的数据。 当前存储库的“UCI HAR Dataset”文件夹中的“README.txt”文件中提供了完整的描述,与本网站上的一样: #生成整洁数据集的脚本 脚本“run_analysis.R”执行以下操作: 合并训练集和测试集以创建一个数据集。 仅提取每个测量值的平均值和标准偏差的测量值。 使用描述性活动名称来命名数据集中的活动 使用描述性活动名称适当地标记数据集。 使用每个活动和每个主题的每个变量的平均值创建第二个独立的整洁数据集。 为了正确运行,脚本要求 UCI HAR 数据集必须在名为“UCI HAR 数据集”的目录中可用(未压缩),如当前存储库
资源推荐
资源详情
资源评论
收起资源包目录
Get_Clean_Data_Course_Project-master.zip (34个子文件)
Get_Clean_Data_Course_Project-master
.gitignore 29B
Tidy data set.txt 285KB
CodeBook.md 5KB
UCI HAR Dataset
Tidy data ready for analysis.txt 265KB
features_info.txt 3KB
features.txt 15KB
activity_labels.txt 80B
README.txt 4KB
train
y_train.txt 14KB
Inertial Signals
total_acc_z_train.txt 14.37MB
body_gyro_y_train.txt 14.37MB
body_acc_z_train.txt 14.37MB
total_acc_x_train.txt 14.37MB
total_acc_y_train.txt 14.37MB
body_gyro_x_train.txt 14.37MB
body_acc_y_train.txt 14.37MB
body_acc_x_train.txt 14.37MB
body_gyro_z_train.txt 14.37MB
X_train.txt 62.95MB
subject_train.txt 20KB
test
X_test.txt 25.23MB
Inertial Signals
total_acc_y_test.txt 5.76MB
total_acc_z_test.txt 5.76MB
total_acc_x_test.txt 5.76MB
body_acc_y_test.txt 5.76MB
body_gyro_y_test.txt 5.76MB
body_acc_z_test.txt 5.76MB
body_gyro_z_test.txt 5.76MB
body_gyro_x_test.txt 5.76MB
body_acc_x_test.txt 5.76MB
subject_test.txt 8KB
y_test.txt 6KB
README.md 2KB
run_analysis.R 3KB
共 34 条
- 1
资源评论
九九长安
- 粉丝: 25
- 资源: 4534
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 等发达地区的无穷大无穷大无穷大请问
- 微藻检测19-YOLO(v5至v11)、COCO、CreateML、Paligemma、TFRecord、VOC数据集合集.rar
- NE555+74LS192+74LS48电子秒表课程设计报告(纯数电实现)
- 基于深度学习的视频描述综述:视觉与语言的桥梁
- 2024年全球干式变压器行业规模及市场占有率分析报告
- 用于Unity使用NuGet
- 微藻检测18-YOLO(v5至v11)、COCO、CreateML、Paligemma、TFRecord、VOC数据集合集.rar
- 小红书2024新年市集合作方案解析与品牌营销策略
- 基于javaweb的沙发销售管理系统论文.doc
- 毕业设计Jupyter Notebook基于深度网络的垃圾识别与分类算法研究项目源代码,用PyTorch框架中的transforms方法对数据进行预处理操作,后经过多次调参实验,对比不同模型分类效果
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功