ST MEMS创意大赛第6贴 -- 机器学习内核学习（1）（MLC）

传媒学子

ST MEMS创意大赛第6贴 -- 机器学习内核学习（1）（MLC） [复制链接]

 

ST MEMS创意大赛第6贴 -- 机器学习内核学习（1）（MLC）

这周开始学习MLC了，感觉稍微有些复杂。 看了 @ justd0 的帖子，受益匪浅，后边参照justd0分享的内容，感觉这个MLC可能要花费2周学习。

我先分享一下这周的学习内容吧，有些内容还是理解的不太深入。

首先，机器学习这个概念真的很大，虽说我也算是AI界的边缘人物，但是对于机器学习还不能说理解的很到位。

我理解的机器学习: 数据采集+数据处理+数据训练+系统执行；但实际上，机器学习要复杂的多，如果再牵涉到深度学习，那就更加复杂了；还好我们这里学习的ST这个MLC，只是机器学习的通用范畴，应该是没有涉及深度学习。

获取数据最终的目的是生成决策树：

这个图介绍的已经很清楚了，我对于这5个步骤理解的还不是很够，尤其3生成决策树这个步骤，需要深入探究。

上边这个是机器学习的步骤，我觉得写得比较好理解。

 

总之，重点和关键就是如何生成决策树，我这边尝试了一下，识别简单的 UP  DOWN , 就是板子是面朝上，还是朝下，数据什么的都收集完了。

But，发现weka貌似没有，于是乎去网上下载，然而网络不是太好，只能后续再玩weka了。

不过，老夫正好用过python, 这就用python来生成决策树-- *.arff。

首先来看python:

git clone https://github.com/STMicroelectronics/STMems_Machine_Learning_Core.git

找到\STMems_Machine_Learning_Core\tools\python

看看python 代码，需要按一些库，这个用pip3来安装就行，pip3 install xxxx

然后，将code中

arff_filename改为你要生成的name.  其实，将这个python脚本拷贝和.np文件拷贝到你数据那个文件夹。

 

生成如下决策树。

一路next生成下边这个.ucf文件：

 

然后load进入这个.ucf文件， ok了。 我的这个决策树是：当板子正面朝上，无论你左右怎么移动，转动，决策树都会输出0，而当你反面朝上，无论你怎么转动，这个决策树输出4；

 

实验结果，当板子朝上：

但板子向下：

因为我的窗口长度设定是默认值50多个，且ODR较慢，因此需要1-2s才转换过来。通俗点讲，就是采样几个点，进行一次特征识别。

后边我将这个窗口长度设为5, 识别转换速度就比较快了。

 

整体来讲，这个还是很牛的。ST技术确实先进。

 

下周搞点，更复杂的场景，尝试一下，我这里还没想到怎么将FSM和MLC和结合起来用，后边再看看。

okhxyyo

赞！这么晚发帖。注意身体早点休息哦

brother0952

膜拜大佬，在下可以少走弯路，谢谢