Sestav klasifikační model
Vizuální porovnávání dat je skvělý způsob, jak získat intuici pro práci s nimi – ale zkusme to teď s pomocí modelu. V tomto cvičení použiješ každé opakování jako datový bod a každý okamžik v čase jako příznak, abys natrénoval/a klasifikátor, který se pokusí předpovídat abnormální vs. normální srdeční tepy – a to pouze na základě surových dat.
Oba DataFrame (normal a abnormal) jsme rozdělili na X_train, X_test, y_train a y_test.
Toto cvičení je součástí kurzu
Machine Learning pro data časových řad v Pythonu
Pokyny k cvičení
- Vytvoř instanci modelu Linear SVC a natrénuj ho na trénovacích datech.
- Pomocí testovacích dat vygeneruj předpovědi modelu.
- Ohodnoť model pomocí připraveného kódu.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
from sklearn.svm import LinearSVC
# Initialize and fit the model
model = ____
model.____
# Generate predictions and score them manually
predictions = model.____
print(sum(predictions == y_test.squeeze()) / len(y_test))