分類用データを観察する
この章の最後の演習では、本コースで使用する2つのデータセットを見ていきます。
1つ目は心拍音のコレクションです。心臓は通常、鼓動に合わせて予測可能な音のパターンを示しますが、疾患によっては鼓動が「異常」になることがあります。このデータセットには、各種類の心拍にラベルが付いた「学習」用セットと、ラベルのない「テスト」用セットが含まれます。モデルの検証にはこの「テスト」セットを使います。
ラベル付きデータがあるため、このデータセットは「分類」に最適です。実際、このデータセットはもともと公開Kaggleコンペティションの一部として提供されていました。
この演習はコースの一部です
Pythonで学ぶMachine Learningによる時系列データ解析
演習の手順
globを使って、data_dirディレクトリ内の.wavファイルのリストを取得します。- リストの先頭の音声ファイルを
librosaで読み込みます。 - データ用の
time配列を生成します。 - このファイルの波形を、時間配列とあわせてプロットします。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
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()