本文共 872 字，大约阅读时间需要 2 分钟。

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

转载地址：https://lsgogroup.blog.csdn.net/article/details/114761101 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！