De classificatiegegevens verkennen
In deze laatste oefeningen van dit hoofdstuk verken je de twee gegevenssets die je in deze cursus gaat gebruiken.
De eerste is een verzameling hartslaggeluiden. Harten hebben normaal gesproken een voorspelbaar geluidspatroon tijdens het kloppen, maar sommige aandoeningen kunnen ervoor zorgen dat het hart abnormaal klopt. Deze gegevensset bevat een trainingsset met labels voor elk type hartslag, en een testset zonder labels. Je gebruikt de testset om je modellen te valideren.
Omdat je gelabelde data hebt, is deze gegevensset ideaal voor classificatie. Sterker nog, hij werd oorspronkelijk aangeboden als onderdeel van een openbare Kaggle-wedstrijd.
Deze oefening maakt deel uit van de cursus
Machine Learning voor tijdreeksgegevens in Python
Oefeninstructies
- Gebruik
globom een lijst op te halen van de.wav-bestanden in de mapdata_dir. - Importeer het eerste audiobestand in de lijst met
librosa. - Genereer een
time-array voor de data. - Plot de golfvorm voor dit bestand, samen met de tijdarray.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
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()