心跳信号分类预测Task3特征工程

本文是Datawhale零基础数据挖掘Task3的学习笔记,主要涉及时间序列数据预处理,使用Tsfresh库进行特征提取。在Colab环境中处理心电数据,遇到计算资源限制问题,计划尝试在其他平台运行。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


Datawhale 零基础入门数据挖掘Task3特征工程学习笔记打卡

前言

学习时间序列数据的特征预处理方法以及时间序列特征处理工具 Tsfresh(TimeSeries Fresh)的使用


一、导入库和数据

1.导入库

import pandas as pd
import numpy as np
import tsfresh as tsf
from tsfresh import extract_features, select_features
from tsfresh.utilities.dataframe_functions import impute

注:缺少tsfresh库,用!pip install tsfresh下载,下载完成后重启colab,重新导入库

2.数据读取及预览

使用Google Colab上的notebook,从drive里导入数据,具体方法见心跳信号分类预测Task1赛题理解

#google drive mount
from google.colab import drive
drive.mount('/content/drive')
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值