Расположение от WiFi данных

Question

По данным WiFi мы пытаемся определить, в какой комнате находится человек.Вот пример наших данных:

1.SSID: беспроводной, BSSID: 00: 24: 6c: 61: da: 81, возможности: [ESS], уровень: -54, частота: 24372.SSID: беспроводной, BSSID: 00: 24: 6c: 61: da: c1, возможности: [ESS], уровень: -57, частота: 24623.SSID: посетитель, BSSID: 00: 24: 6c: 61: da: c0, возможности: [ESS], уровень: -58, частота: 24624.SSID: посетитель, BSSID: 00: 24: 6c: 61: cb: 40, возможности: [ESS], уровень: -59, частота: 24375.SSID: беспроводной, BSSID: 00: 24: 6c: 61: cb: 41, возможности: [ESS], уровень: -59, частота: 2437

Это берется из одного сканирования за один раз-point (и я показываю только 5, но есть достаточно близко 60 точек доступа, которые подходят для одного сканирования).Вот наша проблема:

Есть 3 комнаты, Комната A, Комната B и Комната C, все они находятся рядом друг с другом, за исключением того, что Комната B находится между Комнатой A и Комнатой C. Есть пара точек доступа.которые уникальны для комнаты A и комнаты C, но в комнате B нет уникальных точек доступа.

Мы попытались использовать многоклассный SVM, классы которого - комната A, комната B и комната C, иточки данных (например, 1, 2, 3, 4 и 5 выше) (таким образом, в приведенных выше данных имеется 5 точек данных, и каждая точка данных имеет метку Room A).Мы обучили модель примерно 100 сканированиям в каждой комнате (каждое сканирование состояло из ~ 50 точек данных).Это дало чрезвычайно низкую точность для новых данных испытаний.

Кто-нибудь еще сделал это успешно или имеет какие-либо рекомендации?Вот что мы использовали для реализации нашего SVM:

http://scikit -learn.org / stable / modules / svm.html

Спасибо!

Answer 1

Это умная идея, но я думаю, что вы можете столкнуться с некоторыми трудностями, когда будете добиваться точности и точности, поскольку это НЕ ТОЛЬКО ДИСТАНЦИЯ от точки доступа, а на самом деле МНОЖЕСТВО факторов, определяющих силу сигнала.Например, расположение в комнате по сравнению с большой книжной полкой или телевизором может влиять на один из сигналов сильнее, чем на другие.Даже положение вашего тела относительно устройства может нарушить сигнал.

Я предлагаю попробовать методы выбора функций и / или некоторые другие алгоритмы обучения, которые могут лучше отточить, в каких измеренияхв ваших данных дают вам наиболее последовательную информацию.Например, простой статистический анализ может сказать вам среднее значение и стандартное отклонение уровня сигнала каждого сигнала из заданного «местоположения».Затем вы можете сравнить статистику местоположений и посмотреть, есть ли у вас статистически значимые различия в любом из этих сигналов по местоположениям.Возможно, вы захотите рассмотреть следующие тесты:

• ANOVA (ANalysis Of VAriance) может сравнить средства во многих местах
• T-тест похоже на ANOVA, но только для сравнения пар локаций

Answer 2

Я подозреваю, что есть много деталей, чтобы получить правильные сведения в извлечении функций и настройке гиперпараметров (используя поиск по сетке).Пожалуйста, отредактируйте свой вопрос, включив в него скрипт, чтобы помочь вам правильно разобраться в этих деталях.