Побудуйте модель класифікації
Хоча візуальний огляд відмінностей корисний для формування інтуїції щодо даних, подивімося, чи зможете ви перетворити це на робочий підхід за допомогою моделі. У цій вправі ви використаєте кожне повторення як точку даних, а кожний момент часу — як ознаку, щоб навчити класифікатор, який намагається передбачити, чи серцебиття є аномальним, чи нормальним, використовуючи лише «сирі дані».
Ми розбили два датафрейми (normal і abnormal) на X_train, X_test, y_train та y_test.
Ця вправа є частиною курсу
Machine Learning для часових рядів у Python
Інструкції до вправи
- Створіть екземпляр моделі Linear SVC і навчіть модель на тренувальних даних.
- Використайте тестові дані, щоб згенерувати передбачення за допомогою моделі.
- Оцініть модель, використавши наданий код.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
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))