Построение модели классификации
Визуальный анализ различий — полезный способ выработать интуицию при работе с данными, но давайте попробуем формализовать задачу с помощью модели. В этом упражнении каждое повторение будет служить точкой данных, а каждый момент времени — признаком. Вы обучите классификатор, который будет предсказывать наличие отклонений от нормального сердечного ритма, используя только исходные данные.
Мы уже разделили два DataFrame-а (normal и abnormal) на X_train, X_test, y_train и y_test.
Это упражнение является частью курса
Машинное обучение для данных временных рядов на Python
Инструкции к упражнению
- Создайте экземпляр модели Linear SVC и обучите её на тренировочных данных.
- Используйте тестовые данные, чтобы сгенерировать предсказания модели.
- Оцените модель с помощью предоставленного кода.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
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))