心跳信号分类预测（二）

119 阅读 0 评论 79 点赞

我是靠谱客的博主聪慧世界，这篇文章主要介绍心跳信号分类预测（二），现在分享给大家，希望可以做个参考。

数据分析

1 总览数据概况：

describe中有每列的统计量，个数count、平均值mean、方差std、最小值min、中位数25% 50% 75% 、以及最大值看这个信息主要是瞬间掌握数据的大概的范围以及每个值的异常值的判断，比如有的时候会发现999 9999 -1 等值这些其实都是nan的另外一种表达方式，有的时候需要注意下。
info 通过info来了解数据每列的type，有助于了解是否存在除了nan以外的特殊符号异常。

data.describe()——获取数据的相关统计量
data.info()——获取数据类型

例如：

复制代码

1
2
3
4
5
6
7
8
9
10
11
test.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 20000 entries, 0 to 19999
Data columns (total 2 columns):
 #   Column             Non-Null Count  Dtype 
---  ------             --------------  ----- 
 0   id                 20000 non-null  int64 
 1   heartbeat_signals  20000 non-null  object
dtypes: int64(1), object(1)
memory usage: 312.6+ KB

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
train.describe()

		id				label
count	100000.000000	100000.000000
mean	49999.500000	0.856960
std		28867.657797	1.217084
min		0.000000		0.000000
25%		24999.750000	0.000000
50%		49999.500000	0.000000
75%		74999.250000	2.000000
max		99999.000000	3.000000

2.判断数据缺失和异常

data.isnull().sum()——查看每列的存在nan情况

复制代码

1
2
3
4
5
6
train.isnull().sum() # 查看train里边空数据的数量
id                   0
heartbeat_signals    0
label                0
dtype: int64

3.了解数据的分布

复制代码

1
2
3
4
5
6
7
8
train['label'].value_counts()  # 统计label列下数据的分布

0.0    64327
3.0    17912
2.0    14199
1.0     3562
Name: label, dtype: int64

总体分布概况（无界约翰逊分布等）

复制代码

1
2
3
4
5
6
7
8
9
10
import scipy.stats as st
import seaborn as sns
y = train['label']
plt.figure(1); plt.title('Default')
sns.distplot(y, rug=True, bins=20)
plt.figure(2); plt.title('Normal')
sns.distplot(y, kde=False, fit=st.norm)
plt.figure(3); plt.title('Log Normal')
sns.distplot(y, kde=False, fit=st.lognorm)

在这里插入图片描述
2. 查看skewness and kurtosis

复制代码

1
2
3
4
5
6
# 2）查看skewness and kurtosis
# https://zhuanlan.zhihu.com/p/53887420
sns.distplot(train['label']);
print("Skewness: %f" % train['label'].skew())   #偏度（skewness），是统计数据分布偏斜方向和程度的度量，是统计数据分布非对称程度的数字特征。偏度(Skewness)亦称偏态、偏态系数。 
print("Kurtosis: %f" % train['label'].kurt())   #峰度  用来描述数据分布陡峭或是平滑的情况。

复制代码

1
2
3
Skewness: 0.871005
Kurtosis: -1.009573

在这里插入图片描述
偏度（Skewness）
用来描述数据分布的对称性，正态分布的偏度为0。计算数据样本的偏度，当偏度<0时，称为负偏，数据出现左侧长尾；当偏度>0时，称为正偏，数据出现右侧长尾；当偏度为0时，表示数据相对均匀的分布在平均值两侧，不一定是绝对的对称分布，此时要与正态分布偏度为0的情况进行区分。
当偏度绝对值过大时，长尾的一侧出现极端值的可能性较高。