Crea un modello di classificazione
Osservare le differenze “a occhio” è utile per farsi un’idea dei dati, ma vediamo se riesci a operationalizzare il tutto con un modello. In questo esercizio userai ogni ripetizione come un punto dati e ogni istante temporale come una caratteristica per addestrare un classificatore che provi a prevedere battiti cardiaci anomali vs. normali usando solo i dati grezzi.
Abbiamo già diviso i due DataFrame (normal e abnormal) in X_train, X_test, y_train e y_test.
Questo esercizio fa parte del corso
Machine Learning per dati di serie temporali in Python
Istruzioni dell'esercizio
- Crea un'istanza del modello Linear SVC e addestra il modello usando i dati di training.
- Usa i dati di test per generare le previsioni con il modello.
- Valuta il modello usando il codice fornito.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
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))