data mining - heartbeat signal classification

理解赛题数据和目标，清楚评分体系。 完成赛题报名和数据下载，理解赛题的解题思路。 学习baseline方案，并成功运行提交结果。

EDA的价值主要在于熟悉数据集，了解数据集，对数据集进行验证来确定所获得数据集可以用于接下来的机器学习或者深度学习使用。 当了解了数据集之后我们下一步就是要去了解变量间的相互关系以及变量与预测值之间的存在关系。 引导数据科学从业者进行数据处理以及特征工程的步骤,使数据集的结构和特征集让接下来的预测问题更加可靠。 完成对于数据的探索性分析，并对于数据进行一些图表或者文字总结并打卡。

对于特征进行进一步分析，并对于数据进行处理。 完成对于特征工程的分析，并对于数据进行一些图表或者文字总结并打卡。

了解常用的机器学习模型，并掌握机器学习模型的建模与调参流程。 完成相应学习打卡任务。

对于多种调参完成的模型进行模型融合。 完成对于多种模型的融合，提交融合结果并打卡。