Invariantie in de tijd
Hoewel je altijd zou moeten beginnen met het visualiseren van je ruwe data, is dat vaak niet heel informatief als je twee klassen van datapunten wilt onderscheiden. Data is meestal noisy of vertoont complexe patronen die je niet met het blote oog ziet.
Een andere veelgebruikte techniek om simpele verschillen tussen twee datasets te vinden, is om te gemiddelden over meerdere instanties van dezelfde klasse. Dit kan ruis verwijderen en onderliggende patronen zichtbaar maken (of niet).
In deze oefening neem je het gemiddelde over veel instanties van elke klasse hartslaggeluid.
De twee DataFrames (normal en abnormal) en de tijd-array (time) uit de vorige oefening zijn beschikbaar in je workspace.
Deze oefening maakt deel uit van de cursus
Machine Learning voor tijdreeksgegevens in Python
Oefeninstructies
- Neem het gemiddelde over de audiobestanden in
normalenabnormal, waarbij je de tijdsdimensie behoudt. - Visualiseer deze gemiddelden in de tijd.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# 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()