构建一个分类模型
通过目测差异可以帮助您对数据形成直觉，但现在让我们用模型把这种直觉「落地」。在本练习中，您将把每一次重复当作一个数据点，把时间上的每个时刻当作一个特征，来训练一个分类器，仅使用原始数据来预测心跳的异常与正常。
我们已经将两个 DataFrame（normal 和 abnormal）拆分为 X_train、X_test、y_train 和 y_test。
本练习是课程的一部分
Python 中的时间序列机器学习
练习说明
- 创建一个 Linear SVC 模型实例，并使用训练数据拟合模型。
- 使用测试数据通过该模型生成预测结果。
- 使用提供的代码对模型进行评分。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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))