رگرسیون/سری زمانی با پایتون

یک برنامه تجزیه و تحلیل داده های جریانی بنویسید تا مدل رابطه بین داده های حسگر و پارامترهای (H، R، S، D) ایجاد شود. و پارامترها را در هر ثانیه از داده های خام حسگر پیش بینی کنید. زبان پایتون برای برنامه تجزیه و تحلیل داده های جریانی مورد انتظار است. هدف دستیابی به MAE <=3 برای هر چهار پارامتر (H، R، S، D) در مجموعه داده‌های آزمایش و نشان دادن نمودار مقایسه روند مطابق با برچسب‌ها و نتایج پیش‌بینی است (به عنوان مثال main_plot.py را ببینید]). در فایل داده، هر ردیف شامل داده های حسگر (100 هرتز * 10 ثانیه) + شناسه + زمان + H + R + S + D است که ممکن است با دستور "./view_data.py xxx.npy 6" تجسم شود. در اینجا، Time زمان دوره اولین نمونه داده حسگر است و می تواند به یک رشته زمانی با تابع epoch_time_local() در ضمیمه تبدیل شود. H، R، S و D ضربان قلب، تعداد تنفس، فشار خون سیستولیک و دیاستولیک هستند. 1. محاسبه H و R ترجیح داده می شود بر اساس روش های پیشرفته پردازش سیگنال باشد (آنها را می توان به صورت بصری شمارش کرد)، و محاسبه S و D می تواند بر اساس یادگیری ماشین/عمیق با ترکیب پردازش سیگنال باشد. 2. لطفاً از مجموعه داده های آموزشی (all_good_train.1000_6.npy) برای آموزش و اعتبار سنجی استفاده کنید و مجموعه داده های آزمون (all_good_test.1000_6.npy) را که فقط برای تست و درجه بندی استفاده می شود در آموزش لحاظ نکنید. 3. لطفاً مدل آموزش دیده خود را در یک فایل ذخیره کنید و یک برنامه پیش بینی بنویسید که مدل ذخیره شده را بخواند، مجموعه داده های تست را به عنوان ورودی بگیرد، نتیجه پیش بینی (H, R, S, D) را خروجی کند و MAE آنها را چاپ و استفاده کند. main_plot.py برای ذخیره چهار نمودار برچسب و نتیجه پیش بینی باشد، به طوری که ما فقط با فراخوانی تابع پیش بینی شما، بدون نیاز به اجرای برنامه آموزشی، نتیجه شما را ببینیم. لینک دیتا و سوال و سایر موارد: https://www.dropbox.com/sh/z47qbpw8knec2i6/AACxaIYCw8pA6xT3TCxMGZvra?dl=0 ضمیمه: def epoch_time_local(epoch, zone): local_tz = pytz.timezone(zone) time = datetime.fromtimestamp(epoch).astimezone(local_tz).strftime("%Y-%m-%dT%H:%M:%S.%f") return time

brainaxe13

امتیاز : 0/5

لیست پیشنهادها