Crie um modelo de classificação
Embora inspecionar visualmente as diferenças ajude a criar intuição sobre os dados, vamos ver se você consegue operacionalizar isso com um modelo. Neste exercício, você vai usar cada repetição como um ponto de dados e cada momento no tempo como uma feature para ajustar um classificador que tenta prever batimentos cardíacos anormais vs. normais usando apenas os dados brutos.
Já dividimos os dois DataFrames (normal e abnormal) em X_train, X_test, y_train e y_test.
Este exercício faz parte do curso
Machine Learning para dados de séries temporais em Python
Instruções do exercício
- Crie uma instância do modelo Linear SVC e ajuste o modelo usando os dados de treino.
- Use os dados de teste para gerar previsões com o modelo.
- Avalie o modelo usando o código fornecido.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
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))