Bygg en klassificeringsmodell
Att ögonblicksavläsa skillnader är ett bra sätt att bygga intuition för data, men nu ska vi se om du kan omsätta det i en modell. I den här övningen använder du varje repetition som en datapunkt och varje tidpunkt som ett särdrag, för att träna en klassificerare som försöker skilja onormala hjärtslag från normala – med enbart rådata.
De två DataFrames-objekten (normal och abnormal) har redan delats upp i X_train, X_test, y_train och y_test.
Den här övningen är en del av kursen
Maskininlärning för tidsseriedata i Python
Övningsinstruktioner
- Skapa en instans av Linear SVC-modellen och träna den med träningsdata.
- Använd testdata för att generera prediktioner med modellen.
- Utvärdera modellen med den angivna koden.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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))