Créer un modèle de classification
Même si repérer des différences à l'œil est utile pour se faire une intuition des données, voyons si vous pouvez opérationnaliser tout cela avec un modèle. Dans cet exercice, vous utiliserez chaque répétition comme un point de données, et chaque moment dans le temps comme une caractéristique, afin d'ajuster un classifieur qui tente de prédire les battements de cœur anormaux vs normaux en se basant uniquement sur les données brutes.
Nous avons divisé les deux DataFrames (normal et abnormal) en X_train, X_test, y_train et y_test.
Cette activité fait partie du cours
Machine Learning pour les données chronologiques en Python
Instructions de l’exercice
- Créez une instance du modèle Linear SVC et entraînez le modèle à l'aide des données d'entraînement.
- Utilisez les données de test pour générer des prédictions avec le modèle.
- Évaluez le modèle à l'aide du code fourni.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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))