心电图心跳信号分类 特征工程
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
- 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
- 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
- 进行特征提取：
train_features = extract_features(data_train, column_id='id', column_sort='time') - 删除 NaN 值：
impute(train_features) - 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]
- 训练集：
- 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。。。
Links: heartbeat-classification-3