Con la reciente expansión de dispositivos móviles equipados con diferentes sensores, es posible reconocer y monitorear continuamente actividades en la vida diaria. Este reconocimiento de actividades humanas basado en sensores se formula como clasificación de secuencias para categorizar secuencias de valores de sensor en clases de actividad apropiadas. Un problema crucial es cómo modelar características que puedan representar con precisión las características de cada secuencia y llevar a un reconocimiento preciso. Es laborioso y/o difícil diseñar a mano tales características basadas en conocimientos previos e investigación manual sobre datos de sensores. Para superar esto, nos enfocamos en un enfoque de aprendizaje de características que extrae características útiles de una gran cantidad de datos. En particular, adoptamos un enfoque simple pero efectivo, llamado enfoque de libro de códigos, que agrupa numerosas subsecuencias recolectadas de secuencias en clústeres. Cada centro de clúster se llama palabra de código y representa una subsecuencia estadísticamente distintiva. Luego, una secuencia se codifica como una característica que expresa la distribución de palabras de código. Los experimentos extensos en diferentes tareas de reconocimiento para actividades físicas, mentales y basadas en la vista validan la efectividad, generalidad y usabilidad del enfoque de libro de códigos.