Zbuduj model klasyfikacji
Wizualna ocena różnic to dobry sposób na zbudowanie intuicji na temat danych, ale sprawdźmy, czy uda się ją przełożyć na konkretny model. W tym ćwiczeniu każde powtórzenie będzie punktem danych, a każda chwila w czasie – cechą. Twoim zadaniem jest dopasowanie klasyfikatora, który spróbuje przewidzieć, czy zapis bicia serca jest prawidłowy, czy nie – korzystając wyłącznie z surowych danych.
Dwa ramki danych (normal i abnormal) zostały już podzielone na X_train, X_test, y_train i y_test.
To ćwiczenie jest częścią kursu
Uczenie maszynowe dla danych szeregów czasowych w Pythonie
Instrukcje do ćwiczenia
- Utwórz instancję modelu Linear SVC i dopasuj go do danych treningowych.
- Użyj danych testowych, aby wygenerować prognozy za pomocą modelu.
- Oceń model, korzystając z dostarczonego kodu.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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))