vcasellesb / pec4-ml

PEC 4: Predicció de dolències cardíaques a partir d’un electrocardiograma

Vicent Caselles Ballester

Aquest repositori/directori conté la meva submission per a la PEC4 de l'assignatura de Machine Learning. Per a executar l'anàlisi del fitxer .csv, simplement cal que executeu la següent comanda:

Rscript main.R

Això correrà un script principalment, però aquest en correrà d'altres, i.e. els fitxers .R i el jupyter notebook amb nom PEC4-Python.ipynb. Així doncs, necessites tenir una instal·lació de python, jupyter, i els paquets de python que trobaràs a requirements.txt. També instal·leu els paquets de R que trobareu a requirements.R. Caldrà doncs tenir R, Markdown, i un processador de latex per a generar els fitxers .pdf.

Sobre el fitxer .ipynb, preparar-lo per a que pugui córrer a qualsevol ordinador no és un tema trivial. El problema es troba a la metadata de la notebook, que requereix que especifiquis el nom del kernel de ipython que correrà la notebook. Adjuntaré els resultats obtinguts amb les xarxes neuronals a l'entrega de la PEC, per a saltar-me aquest problema (el codi detecta els resultats i no corre la notebook). Si voleu córrer el fitxer .ipynb, heu d'obrir-la i canviar, a la metadata, els següents camps: name, display_name; allà heu de treure el nom que hi ha (que és el que correspon al meu venv), i ficar el nom del kernel o venv on tingueu instal·lat els requirements per a córrer les xarxes neuronals (i.e. keras, numpy, etc.; ho trobareu a requirements.txt).

Es generaran els següents outputs, els quals es guarden al directori pec4-output:

• Un fitxer .pdf i un fitxer .html d'acord amb el fitxer PEC4-R.Rmd.
• Un fitxer .pdf resultat de córrer el Jupyter Notebook (.ipynb). Aquest realment no cal que s'inspeccioni, ja que s'analitza al fitxer PEC4-R.Rmd (i per tant al pdf amb el mateix nom), utilitzant-les per a valorar-ne la performance. Tot i això, recomano que s'obri per a entendre el codi Python.
• Un fitxer .csv amb les mètriques per classe de tots els algorismes. Aquests resultats no es mostren explícitament a l'informe, però si que es comenten. Obriu-lo si voleu comprovar les afirmacions que faig allà. Això es guarda al directori pec4-output/results/

Run dockerized

You can run this code in a docker container. It's not perfect (i.e. pandoc complains about the document title when compiling to pdf), but at least the important part (graphs, results...) works. To run it that way (first install docker, obv), run the following command:

./run_dockerized.sh

If you wanna change the input file, change the csv file in the input_data directory, and change the data parameter in main.R.

Canvis en els fitxers d'entrada

Podeu canviar els paràmetres (com el fitxer .csv que s'analitzarà, la classe a predir...) modificant el fitxer main.R. Mireu els paràmetres que s'expliciten allà per a entendre que necessiteu especificar.

Separació train test

Es duu a terme amb una partició 67% - 33%. Ho duu a terme el fitxer R_code/split_dataset.R. Si voleu veure com ho faig, obriu aquest fitxer.

Assumpcions que fa aquest projecte

• Tenim rownames a la primera columna dels fitxers .csv.