Добрый день!
Учебный проект. Есть данные в формате временного ряда (аналог ЭКГ-сигнала).
Они разбиты на 3 класса. Нужно с применением ML на 70% данных обучить распознавать по классам оставшиеся 30%.
Точность, конечно, хорошо бы, но данные экспериментальные, поэтому здесь не критично.
Главное, чтобы модель была понятной (мне надо будет её объяснить и сопоставить с другими результатами).

Предполагаемое решение (описываемое как реализованное для такой задачи):
Через сверточные нейронные сети. Обучающий временной сигнал разбивается на окна и переводится в частотную область.
Таким образом получаются "изображения" для обучения свертой сети.
По тестовым данным сранение идет таких же окон, переведенных в частотную область, только с наложением
(например, окно 100 семплов, расчитывается через каждые 25).

Возможны и другие ML-реализации (в т.ч. статистические), главное, чтобы было понятное решение.

Предполагаемый срок: 3 дня.