Créer un modèle de classification
Observer les différences « à l’œil » aide à se faire une intuition des données, mais voyons si vous pouvez formaliser cela avec un modèle. Dans cet exercice, vous utiliserez chaque répétition comme un point de données, et chaque instant dans le temps comme une caractéristique, pour ajuster un classifieur qui tente de prédire les battements de cœur anormaux vs. normaux en n’utilisant que les données brutes.
Nous avons scindé les deux DataFrames (normal et abnormal) en X_train, X_test, y_train et y_test.
Cet exercice fait partie du cours
Machine Learning for Time Series Data in Python
Instructions
- Créez une instance du modèle Linear SVC et entraînez le modèle avec les données d’entraînement.
- Utilisez les données de test pour générer des prédictions avec le modèle.
- Évaluez le modèle en utilisant le code fourni.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
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))