Construye un modelo de clasificación
Aunque observar las diferencias es una forma útil de intuir los datos, veamos si puedes operacionalizar las cosas con un modelo. En este ejercicio, utilizarás cada repetición como un y cada momento en el tiempo como una característica para ajustar un clasificador que intente predecir los latidos anormales frente a los normales utilizando sólo los datos brutos.
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 de ejercicio
- Crea una instancia del modelo SVC Lineal y ajusta el modelo utilizando los datos de entrenamiento.
- Utiliza los datos de prueba para generar predicciones con el modelo.
- Puntúa el modelo utilizando el código proporcionado.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este 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))