Esplorare i dati di classificazione
In questi esercizi finali del capitolo, esplorerai i due insiemi di dati che userai in questo corso.
Il primo è una raccolta di suoni del battito cardiaco. In condizioni normali, il cuore ha un pattern sonoro prevedibile, ma alcuni disturbi possono causare un battito anomalo. Questo insieme di dati contiene un set di training con etichette per ogni tipo di battito e un set di testing senza etichette. Userai il set di testing per validare i tuoi modelli.
Dato che hai dati etichettati, questo insieme di dati è ideale per la classification. Infatti, è stato originariamente proposto come parte di una competizione pubblica su Kaggle.
Questo esercizio fa parte del corso
Machine Learning per dati di serie temporali in Python
Istruzioni dell'esercizio
- Usa
globper ottenere l’elenco dei file.wavnella directorydata_dir. - Importa il primo file audio dell’elenco usando
librosa. - Genera un array
timeper i dati. - Traccia la forma d’onda di questo file insieme all’array dei tempi.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
import librosa as lr
from glob import glob
# List all the wav files in the folder
audio_files = ____(data_dir + '/*.wav')
# Read in the first audio file, create the time array
audio, sfreq = lr.load(____)
time = np.arange(0, len(audio)) / ____
# Plot audio over time
fig, ax = plt.subplots()
ax.plot(____, ____)
ax.set(xlabel='Time (s)', ylabel='Sound Amplitude')
plt.show()