สร้างโมเดลสำหรับการจำแนกประเภท
การสังเกตความแตกต่างด้วยตาเปล่าเป็นวิธีที่ดีในการทำความเข้าใจข้อมูลเบื้องต้น แต่ลองมาดูกันว่าจะนำสิ่งที่สังเกตได้มาสร้างเป็นโมเดลได้อย่างไร ในแบบฝึกหัดนี้ จะใช้แต่ละรอบการวัดเป็น datapoint และแต่ละช่วงเวลาเป็น feature เพื่อสร้าง classifier ที่พยายามแยกแยะการเต้นของหัวใจผิดปกติกับปกติ โดยใช้ เฉพาะข้อมูลดิบ เท่านั้น
เราได้แบ่ง DataFrame ทั้งสอง (normal และ abnormal) ออกเป็น X_train, X_test, y_train และ y_test ให้แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning สำหรับข้อมูล Time Series ใน Python
คำแนะนำการฝึกหัด
- สร้าง instance ของโมเดล Linear SVC และเทรนโมเดลด้วยข้อมูลชุด training
- ใช้ข้อมูลชุด testing เพื่อสร้างการพยากรณ์จากโมเดล
- ประเมินคะแนนโมเดลโดยใช้โค้ดที่เตรียมไว้ให้
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
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))