同じ音の繰り返しをたくさん比較する
この演習では、データセットの各次元で平均をとり、結果を目視で確認するという、最もシンプルな分類手法から始めます。
前の章で扱った心拍データを使います。ある録音は心拍が「正常」、別の録音は「異常」です。違いを見分けられるか試してみましょう。
ワークスペースには、複数の心拍音を含む 2 つの DataFrame、normal と abnormal（それぞれの形状は (n_times_points, n_audio_files)）が用意されています。サンプリング周波数は sfreq という変数に読み込まれています。さらに、プロット用のユーティリティ関数 show_plot_and_make_titles() も利用できます。
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
- まず、これらの音声ファイル用の時間配列を作成します（すべて同じ長さです）。
- 次に、2 つの DataFrame（順に
normal、abnormal）の値を縦方向に積み重ね、形状が(n_audio_files, n_times_points)の単一配列を作ります。 - 最後に、用意されたコードで各リスト要素／軸をループし、対応する axis オブジェクトに時間経過に沿った音声をプロットします。
- 左列に正常な心拍、右列に異常な心拍をプロットします。
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。
fig, axs = plt.subplots(3, 2, figsize=(15, 7), sharex=True, sharey=True)
# Calculate the time array
time = np.arange(____) / ____
# Stack the normal/abnormal audio so you can loop and plot
stacked_audio = np.hstack([____, ____]).T
# Loop through each audio file / ax object and plot
# .T.ravel() transposes the array, then unravels it into a 1-D vector for looping
for iaudio, ax in zip(stacked_audio, axs.T.ravel()):
ax.plot(time, iaudio)
show_plot_and_make_titles()