数据集概述
本数据集围绕驯鹿精细尺度觅食行为展开，通过三轴加速度计数据结合机器学习算法（随机森林、支持向量机、隐马尔可夫模型）对驯鹿行为（如觅食、活动状态、移动方式等）进行分类，评估不同算法的分类准确性，为远程监测大型 herbivore 行为提供方法支持。
文件详解
- README.md：文档格式，包含数据集说明、作者信息、数据处理方法及相关文献链接，介绍数据背景与研究内容。
- Data-processing-and-HMM.html：HTML格式，可能记录数据处理流程及隐马尔可夫模型（HMM）的实现细节，辅助理解分析方法。
- annotations.csv：CSV格式，包含行为注释数据，字段可能有观测ID、日期、行为类型、持续时间等，用于行为分类的标签参考。
- df4_2s_allIDs.csv：CSV格式，包含加速度计算特征数据，字段如旋转相关指标（mrot_X、drot_X等），为行为分类提供特征变量。
- acceleration.csv：CSV格式，可能为原始或处理后的加速度计数据，记录驯鹿运动时的三轴加速度数值。
适用场景
- 动物行为学研究：分析驯鹿精细尺度行为（如觅食、移动）与环境因素的关联。
- 机器学习应用：评估不同算法（如HMM）在动物行为分类中的性能，优化分类模型。
- 远程监测技术：探索利用加速度计数据远程监测大型 herbivore 行为的可行性。
- 生态保护：通过行为数据量化环境事件对驯鹿行为的影响，为保护策略提供依据。
