Invariance dans le temps
Même s'il faut toujours commencer par visualiser vos données brutes, cela s'avère souvent peu informatif pour distinguer deux classes de points de données. Les données sont généralement bruyantes ou présentent des motifs complexes impossibles à repérer à l'œil nu.
Une autre technique courante pour faire ressortir des différences simples entre deux ensembles de données consiste à faire une moyenne sur plusieurs instances d'une même classe. Cela peut réduire le bruit et révéler des motifs sous-jacents (ou pas).
Dans cet exercice, vous allez moyenner un grand nombre d'instances de chaque classe de sons de battements cardiaques.
Les deux DataFrames (normal et abnormal) et le tableau du temps (time) de l'exercice précédent sont disponibles dans votre espace de travail.
Cette activité fait partie du cours
Machine Learning pour les données chronologiques en Python
Instructions de l’exercice
- Faites la moyenne des fichiers audio contenus dans
normaletabnormal, en conservant la dimension du temps. - Visualisez ces moyennes en fonction du temps.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Average across the audio files of each DataFrame
mean_normal = np.mean(normal, axis=____)
mean_abnormal = np.mean(abnormal, axis=____)
# Plot each average over time
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 3), sharey=True)
ax1.plot(____, ____)
ax1.set(title="Normal Data")
ax2.plot(____, ____)
ax2.set(title="Abnormal Data")
plt.show()