みなさん、こんにちは。コンテストの問題の公開から現在に至るまで、ついに認定カップの完全な製品ペーパーが完成しました。
C 問題用紙は、一部の修正指示が 7 ページ、本文が 26 ページ、付録が 4 ページの合計 37 ページです。
認定カップは、Mathorcup よりも難しくありませんが、この問題の主な難点は、データの量が比較的多く、断片の数が多く、データが多すぎるため、以前のデータ統合はグループにとって難しい可能性があることです。しかし、Excel関数との統合はすぐに完了し、合計で31wを超えました。次に、考え方は非常に明確で、まず統計を分類して集計して特徴データを計算し、その特徴データを使って頭を使わずに分類して直接クラスタリングするのですが、今回はエルボー法を使って最適な分類数を決定しました。2番目の質問は、識別の基準を与え、生理学的意味を探るというものです。3 番目の質問では、脳を使わないクラスタリングが続きます。しかし重要なのは、このデータのどのような特徴がリスクの程度に関係しているかを把握することです。
ここで、その方法を説明しましょう。エネルギーが限られているため、十分に詳しく説明できないかもしれません。見るのに疲れたと感じたら、私のビデオ説明をご覧ください。
2023 認定カップ チャレンジ C 問題 心臓の危険性 乳母レベルの指導、その方法を段階的に教えます! _哔哩哔哩_bilibili
OK、これが私のディレクトリです:
まとめ：
最初の質問:
あなたとあなたのチームは、特定のデータ ファイルを分類するための効果的な数学モデルを構築してください。正常な心拍に加えて、不整脈の状態をさまざまなカテゴリに分類し、カテゴリの合計数を示してください。
最初の質問は基本的に、各フラグメント、つまり各状況の特徴的なデータを通じて状況を分類することです。
タイトルにあるデータを見てください。
各テーブルには 361 個のデータがあります。
合計 869 のフォームがあります。
もちろん、特徴データを計算する前に、すべてのデータが最初にマージされます。ここでは Excel 関数を使用してマージします。
313710のデータ。
次に、各ケースの特徴データが計算されます。
分類と集計が必要です。平均と標準偏差を計算しました。データが多すぎて 20 分以上かかりました。
特徴的なデータをまとめた後、分類します。なお、この質問のデータにはクラスラベルがありません。必要なのは質問で与えられたデータそのものを分類することなので、このような機械学習アルゴリズムは使用しないでください。ランダムフォレスト分類、機械学習としてクラスラベルがある場合にカテゴリを判定するために外部データをインポートするために使用されます。
ここでは、K 平均法クラスター分析を直接使用できます。
最初の質問は終わりました。
2 番目の質問:
判定方法の生理学的意義を検証し、臨床モニタリング装置に適用するために、不整脈の種類ごとの判定基準を教えてください。
まず最初の質問で、平均値を判断基準として使用する合理性を分析します。ここでは、心電図を描画し、実際の判断基準を与える必要があります。
与えた後は生理学的観点から分析する必要がありますが、多くの文献を集めた結果、私は次のように分析しました。
3 番目の質問:
特定の種類の不整脈が発生すると、心臓は直ちに血液供給機能を失い、現時点では患者の状態は非常に危険です。他の種類の不整脈はそれほど危険ではないため、治療にはもう少し時間がかかります。通常の心拍プロセスを参照し、各不整脈のリスク レベルを推定し、リスク レベルに従ってデータ ファイルを大まかに分類または等級付けしてください。
この問題では、まず標準偏差を基準として危険な状況を分類し、次にそのための生理学的分析を示します。その後、実際のクラスタリングを実行できますが、最初の質問と同じモデルが引き続き使用されます。
苦労せずに、結果は次のようになります。
OK、上で使用したすべてのデータ テーブルは次のとおりです。
はい、ここでやめましょう。疲れました。説明が十分ではないかもしれません。詳しい説明については、私の説明ビデオに従ってください。詳細な説明になります。説明ビデオと完全な完成品については、クリックしてください以下の個人カード: