mitbih数据集心电信号SVM分类代码

以下是使用SVM对MIT-BIH心电信号数据集进行分类的示例代码：

import wfdb
import numpy as np
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 加载数据集
signals, fields = wfdb.rdsamp('mitdb/100', channels=[0])
annotations = wfdb.rdann('mitdb/100', 'atr')

# 数据预处理
signals = signals.flatten()
labels = np.zeros(len(signals))
for idx, label in enumerate(annotations.symbol):
    if label == 'N':
        labels[annotations.sample[idx]:annotations.sample[idx+1]] = 0
    elif label == 'V':
        labels[annotations.sample[idx]:annotations.sample[idx+1]] = 1

# 将数据分成训练集和测试集
train_data = signals[:int(0.8*len(signals))]
train_labels = labels[:int(0.8*len(signals))]
test_data = signals[int(0.8*len(signals)):]
test_labels = labels[int(0.8*len(signals)):]

# SVM分类器
svm = SVC(kernel='linear')

# 训练模型
svm.fit(train_data.reshape(-1, 1), train_labels)

# 测试模型
predictions = svm.predict(test_data.reshape(-1, 1))

# 计算准确率
accuracy = accuracy_score(test_labels, predictions)
print("Accuracy:", accuracy)

该代码将MIT-BIH数据集中的ECG信号（通道0）和标签加载到numpy数组中。然后，它将标签从字符串转换为二进制格式（0表示正常心律，1表示室性心律）。接下来，数据被分成训练和测试集。SVM分类器被创建，训练和测试数据被传递给它。最后，准确率被计算并打印出来。