Bouw een classificatiemodel
Visueel naar verschillen kijken helpt om gevoel voor de data te krijgen, maar laten we nu kijken of je dit kunt vertalen naar een model. In deze oefening gebruik je elke herhaling als één datapunt, en elk moment in de tijd als een feature, om een classifier te trainen die abnormale vs. normale hartslagen probeert te voorspellen met alleen de ruwe data.
We hebben de twee DataFrames (normal en abnormal) opgesplitst in X_train, X_test, y_train en y_test.
Deze oefening maakt deel uit van de cursus
Machine Learning voor tijdreeksgegevens in Python
Oefeninstructies
- Maak een instantie van het Linear SVC-model en train het model met de trainingsdata.
- Gebruik de testdata om voorspellingen met het model te genereren.
- Beoordeel het model met de meegeleverde code.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
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))