- 博客(5)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 数据挖掘心电图分类（四）之建模与调参
今天，我们就在这里进行建模以及调参首先一样的，我们先导入库进来import pandas as pdimport numpy as npfrom sklearn.metrics import f1_scoreimport osimport seaborn as snsimport matplotlib.pyplot as pltimport warningswarnings.filterwarnings("ignore")因为数据比较大，所以占用内存比较多，因此，我们就调整一下数据
2021-03-29 21:46:32
1093
2
原创 数据挖掘心电图分类（五）之模型的融合
模型的融合可以通过简单加权平均，来实现将结果直接融合直接融合import numpy as npimport pandas as pdfrom sklearn import metrics## 生成一些简单的样本数据，test_prei 代表第i个模型的预测值test_pre1 = [1.2, 3.2, 2.1, 6.2]test_pre2 = [0.9, 3.1, 2.0, 5.9]test_pre3 = [1.1, 2.9, 2.2, 6.0]# y_test_true 代表第模型
2021-03-28 22:32:31
1024
1
原创 数据挖掘心电图分类（三）之特征提取
在读取完数据，进行了数据分析之后，我们就要对样本进行特征提取来建模了。所谓的特征就是希望可以通过特征来得到、分辨出这一个样本是由什么组成的。import pandas as pdimport numpy as npimport tsfresh as tsffrom tsfresh import extract_features, select_featuresfrom tsfresh.utilities.dataframe_functions import impute将必要的库导入进来之后读
2021-03-21 21:19:24
4875
2
原创 数据挖掘心电图分类（二）之分析数据
EDAEDA，也叫作数据探索性分析。主要是为了做前期工作，在数据分析之前了解数据，熟悉数据。通过数据的shape，describe相关统计量，数据的head、tail这些部分数据长什么样子，分布情况，info数据类型，有没有缺失、重复、异常等情况让自己对数据有个基本的认知。 然后再看是否需要抽样，平衡数据，降维，特征离散化，提取哪一些特征，处理异常、缺失的数据。前面我们说，jupyter notebook是数据分析之中很好用的一个工具，所以我们这里也使用jupyter book来分析数据。import
2021-03-19 17:14:24
1299
原创 数据挖掘心电图分类（一）之Jupyter环境搭建
最近在做一个数据挖掘类的比赛，关于心电图分类的。因为是数据挖掘的比赛，又刚好我最近工作需要用到Jupyter notebook，那就先来熟悉熟悉Jupyter notebook这个工具的使用。Jupyter notebook的使用Jupyter notebook它虽然没有像Pycharm那样的强大调试功能，但是它有逐行调试、逐单元格运行的功能，十分方便，也可以展示代码的逻辑，使之看起来更加整洁、清晰，拥有强大的交互能力。在编写代码的同时还可以使用Markdown来作笔记，写下你的结论，注释等。当然，你
2021-03-15 23:17:12
1195
socket代码实践.rar
2020-02-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人