Sesion final del Proyecto Taussig: el alumnado predice a ojo y con un Random Forest la clase de latidos de ECG concretos, incluyendo una arritmia ventricular real, y se repasa todo el recorrido del proyecto desde Helen Taussig hasta los casos reales de muerte subita cardiaca en el deporte.
En la Sesion 5 del Proyecto Taussig, el alumnado usa validacion cruzada con scikit-learn para comprobar la estabilidad de sus modelos de arritmia cardiaca, y descubre una limitacion real y documentada del dataset de ECG: no se sabe que latidos pertenecen al mismo paciente.
En la Sesion 4 del Proyecto Taussig, el alumnado entrena un Random Forest sobre los latidos de ECG, comprueba si mejora la deteccion de la arritmia ventricular respecto al arbol unico, y descubre con feature importances en que instante exacto del latido se fija el modelo para decidir.
En la Sesion 3 del Proyecto Taussig, el alumnado calcula una matriz de confusion de 5×5 sobre los latidos de ECG, descubre la diferencia entre macro avg y weighted avg en classification_report, y comprueba si el arbol reconoce bien la arritmia ventricular pese al fuerte desequilibrio de clases.
Primer modelo del Proyecto Taussig: entrenamos un DecisionTreeClassifier sobre latidos de ECG reales de la MIT-BIH Arrhythmia Database, sin necesidad de train_test_split porque los datos ya vienen repartidos, y nos enfrentamos por primera vez en la familia de proyectos a una clasificacion de mas de dos clases.