心跳信号分类预测-特征工程——模型提优

特征工程

对模型进行提优

首先将预测的概率进行分类将概率大于0.8的设置为1，将概率小于0.2的设置为0：

for index,row in data.iterrows():
    row_max = max(list(row)[1:])
    if row_max>0.8:
        for i in range(1,5):
            if row[i]>0.8:
                data.iloc[index,i]=1
            else:
                data.iloc[index,i]=0

将得到的结果进行提交可以得到得分有了提升：

1 学习目标

• 学习时间序列数据的特征预处理方法
• 学习时间序列特征处理工具 Tsfresh（TimeSeries Fresh）的使用

2 内容介绍

• 数据预处理
  • 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

3 代码示例

3.1 导入包并读取数据

# 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 impute

# 数据读取
data_train = pd.read_csv("train.csv")
data_test_A = pd.read_csv("testA.csv")

print(data_train.shape)
print(data_test_A.shape)

(100000, 3)
(20000, 2)

data_train.head()

  	id		heartbeat_signals	                                label
0		0			0.9912297987616655,0.9435330436439665,0.764677…		0.0
1		1			0.9714822034884503,0.9289687459588268,0.572932…		0.0
2		2			1.0,0.9591487564065292,0.7013782792997189,0.23…		2.0