【组队学习】【23期】Datawhale零基础入门数据挖掘（心跳信号分类）
零基础入门数据挖掘（心跳信号分类）
开源内容：https://github.com/datawhalechina/team-learning-data-mining/tree/master/HeartbeatClassification
基本信息
- 贡献人员：鱼佬、牧小熊、吉米杜、张晋、王皓月、姚昱君
- 学习周期：14天，每天平均花费时间2小时-5小时不等，根据个人学习接受能力强弱有所浮动。
- 学习形式：理论+实践
- 人群定位：熟悉数据挖掘的基本方法，对学习时间序列相关问题和医学大数据有需求的学员。
- 对应比赛：https://tianchi.aliyun.com/competition/entrance/531883/introduction
任务安排
Task00：熟悉规则（1天）
- 组队、修改群昵称
- 熟悉打卡规则
Task01 赛题理解及baseline学习（2天）
- 理解赛题数据和目标，清楚评分体系。
- 完成赛题报名和数据下载，理解赛题的解题思路。
- 学习baseline方案，并成功运行提交结果。
Task02 探索性数据分析（EDA）（3天）
- EDA的价值主要在于熟悉数据集，了解数据集，对数据集进行验证来确定所获得数据集可以用于接下来的机器学习或者深度学习使用。
- 当了解了数据集之后我们下一步就是要去了解变量间的相互关系以及变量与预测值之间的存在关系。
- 引导数据科学从业者进行数据处理以及特征工程的步骤,使数据集的结构和特征集让接下来的预测问题更加可靠。
- 完成对于数据的探索性分析，并对于数据进行一些图表或者文字总结并打卡。
Task03 特征工程（3天）
- 对于特征进行进一步分析，并对于数据进行处理。
- 完成对于特征工程的分析，并对于数据进行一些图表或者文字总结并打卡。
Task04 建模与调参（3天）
- 了解常用的机器学习模型，并掌握机器学习模型的建模与调参流程。
- 完成相应学习打卡任务。
Task05 模型融合（3天）
- 对于多种调参完成的模型进行模型融合。
- 完成对于多种模型的融合，提交融合结果并打卡。
开营视频
插入视频
内容介绍
【组队学习】【23期】Datawhale零基础入门数据挖掘（心跳信号分类）相关推荐
- Datawhale 零基础入门数据挖掘心跳信号分类学习反馈
Detail 零基础入门数据挖掘 (心跳信号分类) 学习反馈TASK1 使用语言:python Tas1 – Task5 Task1 赛题理解: 根据给定的数据集,建立模型,预测不同的心跳信号(以预测 ...
- Datawhale 零基础入门数据挖掘心跳信号分类学习反馈02
Detail 零基础入门数据挖掘 (心跳信号分类) 学习反馈TASK2 使用语言:python Tas1 – Task5 Task2_数据探索性分析 涉及函数:总览+判断数据缺失和异常+分布 data ...
- Datawhale 零基础入门数据挖掘心跳信号分类学习反馈03
Detail 零基础入门数据挖掘 (心跳信号分类) 学习反馈TASK3 使用语言:python Tas1 – Task5 Task3_数据特征工程分析 主要是针对时间序列的心电图数据加上:特征time ...
- Datawhale 零基础入门数据挖掘心跳信号分类学习反馈04
Detail 零基础入门数据挖掘 (心跳信号分类) 学习反馈TASK3 使用语言:python Tas1 – Task5 Task4 建模与调参 本次学习的重点是贪心调参.网格搜索调参.贝叶斯调参共三 ...
- 2021-03-17零基础入门数据挖掘-心跳信号分类预测
零基础入门数据挖掘-心跳信号分类预测TASK02 1.学习目标: 2.学习内容 2.1载入库 2.2载入数据 2.3数据总览 2.4数据缺失和异常 2.5预测值分布 1.学习目标: 数据探索性分析ED ...
- Datawhale零基础入门数据挖掘-Task5模型融合
Datawhale零基础入门数据挖掘-Task5模型融合 五.模型融合 5.1 模型融合目标 5.2 内容介绍 5.3 Stacking相关理论介绍 5.4 代码示例 5.4.1 回归\分类概率-融合 ...
- Task 3 特征工程 Datawhale零基础入门数据挖掘- 二手车交易价格预测
Task 3 特征工程 Datawhale零基础入门数据挖掘- 二手车交易价格预测 Tips:此部分为零基础入门数据挖掘的Task3特征工程部分,主要包含各种特征工程以及分析方法 赛题:零基础入没人能 ...
- Datawhale 零基础入门数据挖掘-Task2 数据分析
数据探索在机器学习中我们一般称为EDA(Exploratory Data Analysis):是指对已有的数据(特别是调查或观察得来的原始数据)在尽量少的先验假定下进行探索,通过作图.制表.方程拟合. ...
- Datawhale 零基础入门数据挖掘- 建模与调参
Task4 建模与调参 此部分为零基础入门数据挖掘之心电图分类的 Task4 建模调参部分,带你来了解各种模型以及模型的评价和调参策略,欢迎大家后续多多交流. 赛题:零基础入门数据挖掘 - 心电图分类 ...
最新文章
- R语言使用ggplot2包geom_jitter()函数绘制分组（strip plot，一维散点图）带状图（颜色配置：连续色彩、离散色彩、色彩梯度）实战
- Java学习笔记20
- 树链剖分 - BZOJ 1036: [ZJOI2008]树的统计Count
- Codeforces Round #524 Div. 2 翻车记
- zabbix可以监控什么php,zabbix监控php
- Jmeter简单的登录压力测试(使用json发送post请求)
- 玩转Docker镜像
- 如何对行 表 数据库加锁
- 学java怎么做笔记？教大家整理java笔记的一些方法
- vmplayer虚拟机文件夹共享不生效解决方法
- keil C51代码优化等级介绍
- doc 和docx的区别
- 梦境历险记-解说动漫电影
- Apache Kafka（七）- Kafka ElasticSearch Comsumer
- 5首2021一些流行好听歌曲的吉他和弦
- MT2625 NB IoT_RF资料分享
- 黑马程序员-java基础8--IO流(一)
- Flutter ListView滚动到指定条目
- 一线互联网大厂中高级Android面试真题收录！大厂直通车！
- NLP-基础任务-中文分词算法(1)-基于词典： 机械分词（词典字符串匹配）：前向最大匹配、后向最大匹配、双向最大匹配【OOV：基于现有词典，不能进行新词发现处理】