なんか効きそうな特徴量作る

tttza commented 6 months ago

[ ] (for 1) モデル内で入力から一定時間(1sec)とかでspecとeegを区切ったものの平均をとってtileしたものとのdiffをとる
- 綺麗に周期的になっていたら全体が0になるはず→0なら周期波形、それ以外なら非周期波形とモデルが判断してほしい
- meanをとることでノイズ的な部分を消してくれて周期性の主要因だけ残してくれるかも？(ちゃんと確認すること)
[ ] (for 2) 全波形長からto_coordsで時間特徴を作ったあとoffsetなどで使用する部分だけを取り出す
- 睡眠コンペのtuboさんrepo
[ ] (for 3) モデルのencoderで入力を分ける(画像はtimm backbone, 波形は手で1DCNNを書く)。encoderの終わりとかでaddかconcatかなんかでくっつけてから最終のclass分類headにつっこむ
- 意味合いが全然違うものを同じ画像として入力すると、モデルは判断がしにくくなっていると思うのでわかりやすくしてあげたい
- 画像は雑にresizeとかで良い形にすることから始めるが、それでいいかは後で考える

stgkrt commented 6 months ago

https://www.kaggle.com/competitions/hms-harmful-brain-activity-classification/discussion/468684 これを見ると順番だけではモデルは誤解しそうな気がするのでやっぱり時間を教える特徴は入れた方がよさそう (ちゃんと自分でデータ見ないと・・・)

stgkrt commented 6 months ago

patient_idで似たような分類になりやすそうなのでpatient_idでconcatするとか後処理に使うとかなんかいい感じに使いたい (patient_idごとの予測値の平均とのさらに平均にした後処理をすると予測が難しいやつのスコアがより悪化してダメっぽかった)

stgkrt / kaggle-hms