对于LSM6DSV320X的MLC机器学**应用手册有做解释，即是通过决策树的逻辑获得。决策树顾名思义就是树状的呈扩散状的逻辑块，用书面讲就是一系列可配置的节点，每个节点是一个if else结构，传感器原始数据经统计学计算后与设定的阈值进行比较，继而到达最后一个节点，就输出了结果。决策树结果可从寄存器实时读取，这也是使用MEMS Studio上位机能够方便测试的条件。

        
          一般的场景，比如移动设备活动的识别、腕部翻转、静止/活动以及单击双击等都是可以不用输入大量数据训练就可以使用的，这也            是传感器智能的体现，减少一些简单的但却需要主控设备来计算和判断的算法。比如接下来要体验的6D位置识别，通过配置寄存器            就可以了。
          将加速度计配置为最小刻度2g，低输出数据速率。大约18个样本为一个窗口，计算特征参数，然后输入决策树给出最后判断。
          可以使用上位机独立打开Line Charts界面和MLC Monitor界面进行测试和观察。
           
          通过Line Charts可以清楚的看到每个轴上进行翻转的波形，计算均值包括有符号和无符号以支持180的翻转识别。
         
          基于以上的应用，那么可以配置为振动检测，根据振动强度就可以作为设备健康监测的一个重要参数，来实际体验下。导入官方的              例程，同样保持图形界面的独立观测。
           
           晃动demo板，尝试不同幅度不同方向的移动，频率或高或低，均识别到了变化。幅度大小产生强度等级的差别。
           
           结合视频可以发现MLC的逻辑树已经是一个比较好的模型了，输入数据的识别成功率很高，这是可靠度的重要评估点。
           
           以上体验了基于MLC的传感器特征识别，操作下来基本都能够正确识别模拟数据。官方找到的传感器资料包很不错，有例程和基本            教程，对于深入研究内置的FSM和MCL是很有帮助的。Github访问较慢，附件上传一下下载好的方便大家使用。