drmandeep:该项目的目标是建立一种机器学习算法，以定性预测运动活动

通过活动监视器预测活动质量 ＃＃概要 使用Jawbone Up，Nike FuelBand和Fitbit等设备，现在可以相对便宜地收集有关个人活动的大量数据。 这些类型的设备是量化的自我运动的一部分-一群发烧友，他们定期进行自我测量以改善健康状况，发现行为方式，或者是因为他们是技术怪胎。 人们经常做的一件事是量化他们从事某项特定活动的数量，但很少量化他们完成某项活动的程度。 在此项目中，您的目标是使用来自6位参与者的腰带，前臂，手臂和哑铃上的加速度计的数据。 他们被要求以5种不同的方式正确和错误地进行杠铃举升。 该项目的目的是预测他们进行锻炼的方式。 这是训练集中的classe变量。 资料说明 结果变量是classe ，是一个具有5个级别的因子变量。 对于此数据集，要求参与者以5种不同的方式对单侧哑铃型二头肌卷曲进行10组重复训练中的一组： 完全符合规格（A类） 将肘部推向前方（B级