全代码python深度挖掘生物医学信号数据：人工智能识别异常心电图（同时跑出27个机器学习模型和深度学习模型）

各位朋友大家好，今天给大家带来利用数据科学对生物医学信号的挖掘。人体是我们朝夕相处的自身系统，他/她每天都在产生着各种各样的生物电信号，这些信号包括心电图，脑电图，肌电图等等，当然也包括其它一些有节律的数据信息比如：呼吸节律，声音频率，体温变化等等。今天我们以生物医学电信号中的心电图为例，把python全代码分享给大家，希望大家能好好利用，多多研究。

心电信号是一种一维的生物电信号，数据科学或者说数学中的维度，和物理学上的维度不是一个概念，数据科学中谈到的维度指的是一种度量（距离、大小或任何区域或空间的度量）。0维就是一点，没有办法进行度量。一维就是在点的基础上画出的一条线，线的长度我们是可以度量的。依次类推，就是二维在x和y轴两个方向进行度量。三维就是在二维的基础上形成长宽高三个方向的度量。

关于什么是心电图，这里就不再多说了，学医的都知道，分为6个波和3个段，P 波、Tp（或Ta）、P-R 间期、QRS、J 点、ST 段、T波、Q-T间期和U 波分别表示心电图中的波和波群。我们今天的数据就是心电图的数据，下载链接在全代码中分享给大家。这次我们采用了lazypredict库，一键跑出27个不同的机器学习模型，之后通过深度学习构建神经网络对异常心电图进行预测。

#首先我们载入相关的库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import os
os.chdir(r"E:\pythoncode2021\xindiantu")
#导入数据，数据的链接给大家：https://www.kaggle.com/shayanfazeli/heartbeat
normal = pd.read_csv('ptbdb_normal.csv')
abnormal = pd.read_csv('ptbdb_abnormal.csv')