Criar um modelo de classificação
Embora observar as diferenças seja uma maneira útil de obter uma intuição dos dados, vamos ver se você pode operacionalizar as coisas com um modelo. Neste exercício, você usará cada repetição como um e cada momento no tempo como um recurso para ajustar um classificador que tenta prever batimentos cardíacos anormais versus normais usando apenas os dados brutos.
Dividimos os dois DataFrames (normal e abnormal) em X_train, X_test, y_train e y_test.
Este exercício faz parte do curso
Aprendizado de máquina para dados de séries temporais em Python
Instruções de exercício
- Crie uma instância do modelo Linear SVC e ajuste o modelo usando os dados de treinamento.
- Use os dados de teste para gerar previsões com o modelo.
- Pontue o modelo usando o código fornecido.
Exercício interativo prático
Experimente este exercício preenchendo 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))