我正在尝试构建一个能够通过使用连接到 flex 传感器和加速度计（可能也是 emg 传感器）的 arduino 来识别手势的手套。
我能够从我读取的传感器记录所有这些数据。我想要了解如何创建一个分类器来识别这些手势。有人说要使用 Matlab 或 Pyton，但我不知道从哪里开始。我看到了一些机器学习库，但我立刻迷路了。我对抽样和分类的概念只知道一点点。
如果可能的话，我想要一些关于我可以开始学习的资源的建议。
注意：我主要了解java编程语言。
【问题讨论】：
标签： machine-learning classification sampling
在将机器学习应用于您的问题之前，您可能需要学习一些有关它的课程/教程。 There 是一大堆 ML 材料。
还有一些步骤可以帮助您解决问题。
首先，您必须为您的数据选择合适的格式。到 识别手势，你可能需要跟踪你的 参数（屈曲、加速度）随时间变化。
示例：每 0.1 秒记录一次参数，并记录手势
长度为 1s。所以特征向量看起来像[f0, f1, ...,
f10, a0, ..., a10]。
之后，您必须创建 训练集 - 一组特征 带有相应标签的向量。此时，您必须标记 自己做手势。你可能需要很多例子来获得你的 进一步的分类器工作。
最后一部分：选择一些机器学习工具（我用 Python 和 scikit-学习）。分类器种类繁多，但我建议 使用简单的开始（最近邻，决策树）。 Java中有一些机器学习库，你可以使用它们 如果你想。使用你的训练数据集来训练你的分类器，所以 它将能够预测新特征向量的标签。
示例（Python）：
from sklearn.neighbors import KNeighborsClassifier
clf = KNeighborsClassifier()
clf.fit(X, y)
# X is an array of feature vectors, y is an array of labels.
gestures = clf.predict(X_new)
# X_new is an array of feature vectors of
# gestures you want to recognize
另外，你可能会发现有用的this Kaggle 比赛，它也是关于手部动作识别，但使用脑电图记录。
【讨论】：