心电图
文章平均质量分 65
容光@October
研究数理金融与金融工程、衍生产品定价、精算理论、风险投资
展开
-
建模与调参
了解各种模型以及模型的评价和调参策略 内容介绍 逻辑回归模型: 理解逻辑回归模型; 逻辑回归模型的应用; 逻辑回归的优缺点; 树模型: 理解树模型; 树模型的应用; 树模型的优缺点; 集成模型 基于bagging思想的集成模型 随机森林模型 基于boosting思想的集成模型 XGBoost模型 LightGBM模型 CatBoost模型 模型对比与性能评估: 回归模型/树模型/集成模型; 模型评估方法; 模型评价结果; 模型调参: 贪心调参方法; 网原创 2021-03-24 23:08:24 · 265 阅读 · 0 评论 -
特征工程
特征工程 数据处理 * 时间序列数据格式处理 * 加入时间步特征time 特征工程 时间序列特征构造 特征筛选 使用 tsfresh 进行时间序列特征处理 # 包导入 import pandas as pd import numpy as np import tsfresh as tsf from tsfresh import extract_features, select_features from tsfresh.utilities.dataframe_functions import im原创 2021-03-23 00:20:07 · 83 阅读 · 0 评论 -
心电图心跳信号多分类预测
EDA的价值主要在于熟悉数据集,了解数据集,对数据集进行验证来确定所获得数据集可以用于接下来的机器学习或者深度学习使用。 载入各种数据科学以及可视化库: 数据科学库 pandas、numpy、scipy; 可视化库 matplotlib、seabon; 载入数据: 载入训练集和测试集; 简略观察数据(head()+shape); 数据总览: 通过describe()来熟悉数据的相关统计量 通过info()来熟悉数据类型 判断数据缺失和异常 查看每列的存在nan情况 异常值检测 了解原创 2021-03-20 00:06:00 · 161 阅读 · 0 评论 -
心电图分析
从这段文字可以看出医疗大数据的数据挖掘具有重要意义!阿里云提供了以下比赛: 比赛地址:https://tianchi.aliyun.com/competition/entrance/531883/introduction 赛题以预测心电图心跳信号类别为任务,属于统计分类问题! 该数据来自某平台心电图数据记录,总数据量超过20万,主要为1列心跳信号序列数据,其中每个样本的信号序列采样频次一致,长度相等。为了保证比赛的公平性,将会从中抽取10万条作为训练集,2万条作为测试集A,2万条作为测试集B,同时会对心跳.原创 2021-03-16 23:37:36 · 315 阅读 · 0 评论