用anaconda内部的科学库进行分析运动数据，并能对数据进行分类。(Anaconda's internal science library is used to analyze the motion data and to classify the data.)

基于python，利用主成分分析（PCA）和K近邻算法（KNN）在MNIST手写数据集上进行了分类。 经过PCA降维，最终的KNN在100维的特征空间实现了超过97%的分类精度。(Based on python, it uses principal component analysis (PCA) and K nearest neighbor algorithm (KNN) to classify on the MNIST handwritten data set. After PCA dime