Construye un modelo de clasificación
Observar las diferencias a simple vista ayuda a formarte una intuición sobre los datos, pero veamos si puedes llevarlo a la práctica con un modelo. En este ejercicio usarás cada repetición como un punto de datos y cada momento en el tiempo como una característica para ajustar un clasificador que intente predecir latidos anormales frente a normales usando solo los datos en bruto.
Ya hemos dividido los dos DataFrames (normal y abnormal) en X_train, X_test, y_train y y_test.
Este ejercicio forma parte del curso
Machine Learning para datos de series temporales en Python
Instrucciones del ejercicio
- Crea una instancia del modelo Linear SVC y ajusta el modelo con los datos de entrenamiento.
- Usa los datos de prueba para generar predicciones con el modelo.
- Evalúa el modelo utilizando el código proporcionado.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
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))