質問編集履歴
2
追記
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -1,13 +1,14 @@
|
|
|
1
1
|
### 前提・実現したいこと
|
|
2
2
|
|
|
3
|
-
非エンジニア、独学です。
|
|
3
|
+
非エンジニア、独学のpython初心者です。
|
|
4
4
|
multivariate LSTMにより血流量を予測する試みを行なっています。
|
|
5
|
-
血流量の他に血圧や脈拍、呼吸数を用いています。
|
|
5
|
+
血流量の他に血圧（収縮期、平均、拡張期）や脈拍、呼吸数を用いています。
|
|
6
|
+
1分おきの時系列データを収集し、前半8割の値から後半2割の血流量を予測しました。
|
|
6
|
-
学習、グラフ作成まで行いました。
|
|
7
|
+
学習、グラフ作成まで行い、予測精度をRMSEで計算しました。
|
|
7
8
|
|
|
8
9
|
### 発生している問題・エラーメッセージ
|
|
9
10
|
|
|
10
|
-
|
|
11
|
+
グラフを見るとRMSEがここまで低いようには思えません。
|
|
11
12
|
精度が正しいかどうか、正しくない場合コードのどの部分に問題があるかが判断できません。
|
|
12
13
|
もしわかる方がいらっしゃいましたらご指導いただければ幸いです。
|
|
13
14
|
|
1
図の修正
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -29,8 +29,9 @@
|
|
|
29
29
|
df = pd.read_csv('1.18min.csv')
|
|
30
30
|
df['time'] = pd.to_datetime(df['time'])
|
|
31
31
|
df
|
|
32
|
+
```
|
|
32
33
|
|
|
33
|
-
|
|
34
|
+
```
|
|
34
35
|
flow = np.array([df.iloc[:,1]])
|
|
35
36
|
sBP = np.array([df.iloc[:,2]])
|
|
36
37
|
mBP = np.array([df.iloc[:,3]])
|
|
@@ -48,13 +49,17 @@
|
|
|
48
49
|
r, = plt.plot(RR[0, :])
|
|
49
50
|
plt.legend([f,s,m,d,h,r], ["flow", "sBP", "mBP", "dBP", "HR", "RR"])
|
|
50
51
|
plt.show(block=False)
|
|
52
|
+
```
|
|
51
53
|
|
|
54
|
+
```
|
|
52
55
|
#血流量のみプロット
|
|
53
56
|
plt.figure(figsize = (10,6))
|
|
54
57
|
f, = plt.plot(flow[0, :])
|
|
55
58
|
plt.legend([f], ["flow"])
|
|
56
59
|
plt.show(block=False)
|
|
60
|
+
```
|
|
57
61
|
|
|
62
|
+
```
|
|
58
63
|
#Xは血流以外、Yが血流
|
|
59
64
|
X = np.concatenate([sBP,mBP,dBP,HR,RR],axis=0)
|
|
60
65
|
X = np.transpose(X)
|
|
@@ -88,7 +93,9 @@
|
|
|
88
93
|
plt.plot(Predict, linestyle="dashed", label = 'Prediction')
|
|
89
94
|
plt.legend(loc='best')
|
|
90
95
|
plt.show()
|
|
96
|
+
```
|
|
91
97
|
|
|
98
|
+
```
|
|
92
99
|
Y_train = scaler1.inverse_transform(Y_train)
|
|
93
100
|
Y_train = pd.DataFrame(Y_train)
|
|
94
101
|
Y_train.index = pd.to_datetime(df.iloc[:848,0])
|
|
@@ -108,7 +115,9 @@
|
|
|
108
115
|
plt.plot(Predict, linestyle="dashed", label = 'Prediction')
|
|
109
116
|
plt.legend(loc='best')
|
|
110
117
|
plt.show()
|
|
118
|
+
```
|
|
111
119
|
|
|
120
|
+
```
|
|
112
121
|
#誤差計算
|
|
113
122
|
import math
|
|
114
123
|
from sklearn.metrics import mean_squared_error
|