心电图心跳信号多分类预测——赛题理解和baseline学习

来源：datawhale组队学习

队伍：带带菜菜吧

赛题理解

题目要求：

1.根据“心电图感应”数据预测不同的心跳信号

2.心跳信号对应正常病例以及受不同心率不齐和心肌梗影响的病例

 

数据集总共超过20万，主要为1列心跳信号序列数据

抽取10万条作为训练集，2万条作为测试集A，2万条测试集B

对心跳信号类别（label）信息进行脱敏（个人理解就是换成普通类别，不是如心脏病等常见敏感词）。

 

baseline学习

通过juypter lab按照baseline里代码，分模块运行，了解了项目代码书写大致流程：

1. 导入科学工具包（因为自己以前包只需要numpy、pandas、matplotlib、sklearn，所以在运行baseline代码时，需要安装不少其他未见的包，认识及简单学习，后见附录，有简单介绍及参看链接学习）
2. 读取数据
3. 数据预处理
4. 训练数据、测试数据准备
5. 模型训练
6. 预测结果

附录

Lightgbm（lgb）	LightGBM是个快速的，分布式的，高性能的基于决策树算法的梯度提升框架。可用于排序，分类，回归以及很多其他的机器学习任务中。   来自 <https://blog.csdn.net/huacha__/article/details/81057150>	其他优势及使用参考下文 <https://zhuanlan.zhihu.com/p/52583923>
Xgboost()	XGBoost全名叫（eXtreme Gradient Boosting）极端梯度提升，经常被用在一些比赛中，其效果显著。它是大规模并行boosted tree的工具，它是目前最快最好的开源boosted tree工具包。XGBoost 所应用的算法就是 GBDT（gradient boosting decision tree）的改进，既可以用于分类也可以用于回归问题中。   来自 <https://www.cnblogs.com/zongfa/p/9324684.html>	其他参考 https://www.cnblogs.com/mantch/p/11164221.html   https://zhuanlan.zhihu.com/p/83901304
catboost	CatBoost是一种基于对称决策树（oblivious trees）为基学习器实现的参数较少、支持类别型变量和高准确性的GBDT框架，主要解决的痛点是高效合理地处理类别型特征，这一点从它的名字中可以看出来，CatBoost是由Categorical和Boosting组成。此外，CatBoost还解决了梯度偏差（Gradient Bias）以及预测偏移（Prediction shift）的问题，从而减少过拟合的发生，进而提高算法的准确性和泛化能力。   来自 <https://zhuanlan.zhihu.com/p/102540344>	其他参考 https://cloud.tencent.com/developer/article/1546808   https://baijiahao.baidu.com/s?id=1665393378661343624&wfr=spider&for=pc
tqdm	是Python中专门用于进度条美化的模块，通过在非while的循环体内嵌入tqdm，可以得到一个能更好展现程序运行过程的提示进度条 https://blog.csdn.net/weixin_36670529/article/details/88868032	https://blog.csdn.net/zkp_987/article/details/81748098
seaborn	是一种基于matplotlib的图形可视化python libraty。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。   来自 <https://zhuanlan.zhihu.com/p/24464836>	https://zhuanlan.zhihu.com/p/24464836
Pandas_profiling	这个库只需要一行代码就可以生成数据EDA报告。 pandas_profiling基于pandas的DataFrame数据类型，可以简单快速地进行探索性数据分析。   来自 <https://zhuanlan.zhihu.com/p/85967505>
tsfresh	时间序列特征处理工具 https://blog.csdn.net/xindoo/article/details/79177378