心电图心跳信号分类 特征工程

标签: 数据竞赛 Datawhale 发布于:2021-03-22 13:10:28 编辑于:2021-03-22 15:52:52 浏览量:1131

概述

原先的数据是按照时间顺序排列的,之前的基准模型中我们并没有利用到这一关键信息。

这里主要的思路是使用 Tsfresh 对时序数据进行处理,得到非时序的特征,之后再送入模型进行训练。

处理的大致流程

  1. 先将数据中的信号值分开成单独的列,之后叠加在一起。
    time	heartbeat_signals
0	0	0.991571
0	1	1.000000
0	2	0.631816
0	3	0.136230
0	4	0.041420
...	...	...
19999	200	0.000000
19999	201	0.000000
19999	202	0.000000
19999	203	0.000000
19999	204	0.000000
4100000 rows × 2 columns
  1. 之后将 index 列复制为 id 列。
    time	heartbeat_signals	id
0	0	0.991571	0
0	1	1.000000	0
0	2	0.631816	0
0	3	0.136230	0
0	4	0.041420	0
...	...	...	...
19999	200	0.000000	19999
19999	201	0.000000	19999
19999	202	0.000000	19999
19999	203	0.000000	19999
19999	204	0.000000	19999
4100000 rows × 3 columns
  1. 进行特征提取:train_features = extract_features(data_train, column_id='id', column_sort='time')
  2. 删除 NaN 值:impute(train_features)
  3. 选择与 label 相关特征:
    • 训练集:train_features_filtered = select_features(train_features, data_train_label)
    • 测试集:testA_features_filtered = testA_features[train_features_filtered.columns]
  4. 将 label 列加回训练集:train_features_filtered = train_features_filtered.join(data_train_label)

效果

8 折交叉验证,学习率为 0.05,真实分数为 511.2646,同等情况下使用原始特征的分数为 497.445。

反而更差了,把提取后的特征与原始特征结合起来,一起训练,分数为 461.5613。

算是有较大的提升,但是,排行榜上已经有大量的 200 多的了。。。

未经允许,禁止转载,本文源站链接:https://iamazing.cn/