# Тренировочные данные
В данных находятся отрезки фотоплетизмограмм (ФПГ) и электрокардиограмм (ЭКГ), измеренных по одному отведению, с частотой 125 Гц в течение 8 секунд (итого 1000 точек для каждого измерения).

В данных приведено среднее значение диастолического ("нижнего") и систолического ("верхнего") артериального давления, измеренных с помощью инвазивного прибора в течение этих же 8 секунд с помощью манжетного датчика, измеряющего давление.

Цель соревнования - разработать алгоритм, позволяющий определять верхнее и нижнее артериальное давление неинвазивно, не прибегая к измерениям с помощью манжеты.

## Форма данных и способы чтения

Тренировочные данные (папка `train_data/`) представляют собой python-словарь, ключами которого являются:

* `PPG` - даннные фотоплетизмографии, измеренные с частотой 125 Гц в течение 8 секунд
* `ECG` - данные электрокардиографии, измеренные с частотой 125 Гц в течение 8 секунд
* `mean_dbp` - среднее диастолическое ("нижнее") давление, соответствующее времени измерения ФПГ и ЭКГ
* `mean_sbp` - среднее диастолическое ("нижнее") давление, соответствующее времени измерения ФПГ и ЭКГ

По каждому ключу в словаре лежит `numpy`-массивы с размерностями (`n_samples x 1000`) для сигналов фотоплетизмографии (`PPG`) и электрокардиографии (`ECG`), и `(n_samples,)` для среднего диастолического `mean_dbp` и среднего систолического `mean_sbp` давлений.

Данные разделены на несколько кусков и запакованы в pickle-файлы, которые можно открыть с помощью данного кода:

```
import pickle
import numpy as np

with open("data_0.pkl", "rb") as f:
data = pickle.load(f)
```

## Особенности данных
Для тренировочных данных имеется ряд особенностей, которые следует учитывать при обучении.

Последовательные отрезки ФПГ и ЭКГ могут принадлежать одному и тому же пациенту - для корректной валидации алгоритма рекомендуется использовать данные из разных файлов - наиболее вероятно, что участки сигналов, взятые из различных файлов (например, записи в `data_0.pkl` и `data_3.pkl` вероятнее будут принадлежать различным пациентам).

#Целевые переменные
Для каждого временного сэмпла целевыми переменными являются два числа `mean_dbp` и `mean_sbp` - среднее значение диастолического и систолического артериального давления. Эти два_числа необходимо предсказать с помощью вашего решения

# Тестовый набор данных
Тестовые данные представляют собой pickle-словарь, ключами которого являются:

* `PPG` - даннные фотоплетизмографии, измеренные с частотой 125 Гц в течение 8 секунд
* `ECG` - данные электрокардиографии, измеренные с частотой 125 Гц в течение 8 секунд

Для данных ФПГ и ЭКГ данные представлены в виде `numpy`-массивов с размерностями `(n_samples_test x 1000)`

# Структура данных 

## Columns

`competition_data/` - данные для обучения и теста

* `train_data/` - набор обучающих данных

* * `data_0.pkl`
* * `data_1.pkl`
* * `data_2.pkl`
* * `data_3.pkl`
* * `data_4.pkl`
* `test_data/` - данные, для которых требуется сделать предсказание
* * `X_test.pkl`

`y_test_sample.csv` - формат предсказаний, которые необходимо загрузить в систему (количество строк, соответствующих предсказаниям должно соответствовать числу объектов в X_test (11999)).

# Формат предсказаний
Для каждого объекта из тестовой выборки необходимо предсказать диастолическое (`mean_dbp`) и систолическое давление (`mean_sbp`) и записать их в формате `.csv`. Решение должно содержать заголовки `index, mean_dbp, mean_sbp`

Пример заголовков

```
index,mean_dbp,mean_sbp
0,69.09192313156477,134.82323240231014
```

В файле `y_test_sample.csv` представлен необходимый формат предсказаний для всей тестовой выборки.