文脈 2007年に、私はWi-Fiの受信信号強度指示値（RSSI）を用いた屋内位置決定に関する修士論文を執筆しました。研究の一環として、私は学部の建物の1階と2階にある4つのアクセスポイントから12万件のRSSIサンプルを収集しました。これを行うために独自のソフトウェアを作成しました（当時はこの用途に信頼できるオープンソースソフトウェアはありませんでした）。サンプリングは長く苦痛なプロセスでした。当時の限られた機械学習の知識をもとに、その建物内のWi-Fiデバイスの位置を85％の精度で特定できる簡単なアルゴリズムを考え出しまし。 私はこの問題は現在解決されており、最新の屋内位置決定システムはもっと高精度であると思います。しかし、このデータセットは練習に十分小さくシンプルで、同時に高度なデータサイエンスや機械学習の楽しみのための独自性があるため、このデータセットを見つけて公開することにしました。 内容 サンプルは2階建ての建物で収集されました。データセットの各行は、4つのアクセスポイントのうちの1つからの単一のRSSIサンプルです。 アクセスポイントは、A、B、C、またはDのいずれかの文字で識別されます。各サンプルが収集された場所の物理的な座標は、X、Y、Z座標で識別され、Zは階数（1または2）を表します。各座標では複数のサンプルが収集され、サンプル番号は「sequence」というフィールド名で識別されます。複数のサンプルを収集する理由は、信号強度は散乱や反射などの影響で変動し、特に移動する物体や人がいる建物内ではその影響が大きいためです。したがって、信頼できる測定を行うには、各アクセスポイントから数十個のサンプルを収集して変動を考慮する必要があります。 以上を踏まえると、サンプルセットの各行は以下の形式になります。 **ap, signal, sequence, x, y, z** ここで： **ap**：アクセスポイント識別子。A、B、C、またはDのいずれか **signal**：アクセスポイント *ap* からの信号強度。**注**：表内のRSSI値は負になっています。つまり、このセルの値が小さいほど、アクセスポイントからの信号受信が強いことを意味します。 **sequence**：この特定の座標におけるこの特定のアクセスポイントからのサンプルのシーケンス **x, y, z**：このサンプルが収集された座標 注：すべての場所ですべてのアクセスポイントから同じ数のサンプルが収集されているとは限らないことに注意してください。たとえば、場所 (x = 1, y = 1, z = 1) では、*A* から *a* 個のサンプル、*B* から *b* 個のサンプル、*C* から *c* 個のサンプル、*D* から *d* 個のサンプルがあり、*a != b != c != d* となることがあります。なぜでしょうか？ それは、一部のエリアではアクセスポイントからの受信状態が悪い（または全く受信できない）場合があり、その結果、サンプル数が少なくなるか、サンプルがなくなるからです。 ここにサンプリングが行われた建物のフロアプランを示します。  これらはアクセスポイントの位置です。 {"A": (23, 17, 2), "B": (23, 41, 2), "C": (1, 15, 2), "D": (1, 41, 2)} また、地図上でアクセスポイントの位置を確認することもできます。 このデータを調べ、フロアプランと比較することで、Wi-Fi無線信号（2.4GHz周波数）について、およびそれらが屋内でどのように振る舞うかについて興味深いことを学ぶことができます。1つの課題は、4つのアクセスポイントからのRSSIを入力として、その場所の (x, y, z) 座標を特定する機械学習モデルを考え出すことです。