用更多具有不同特征的数据训练xgboost模型

时间:2019-04-13 08:08:55

标签: python machine-learning classification signal-processing xgboost

我已经针对ECG数据训练了我的模型,该模型具有8528个ECG文件,它们的长度为30s,采样率为300,因此csv中的文件总长度为9000。数据具有四个类别,即ANO~

此模型运行良好。

现在,我想使用更多的ECG文件来重新训练模型。长度为42s,采样率为360。因此,此ecg信号的总csv文件长度为15127

我使用长度为A的{​​{1}}文件来训练模型,然后尝试使用训练后的模型预测相同的文件,但是它预测了类值15127

任何人都可以想象Xgboost将如何通过添加这样的信号长度更大的文件来学习?这样的文件是否遇到异常值?

如果我训练的N长度为A长,则模型能够正确预测吗?

让我知道是否需要任何信息。

这里是示例培训代码:;

15127

0 个答案:

没有答案