Niezmienność w czasie
Wizualizacja surowych danych to zawsze dobry punkt wyjścia – jednak często niewiele mówi o różnicach między dwiema klasami. Dane bywają zaszumione lub wykazują złożone wzorce, których nie da się dostrzec gołym okiem.
Inną popularną techniką wykrywania prostych różnic między dwoma zbiorami danych jest uśrednianie po wielu instancjach tej samej klasy. Taki zabieg może wyeliminować szum i ujawnić ukryte wzorce – choć nie zawsze.
W tym ćwiczeniu uśrednisz dane po wielu instancjach każdej klasy dźwięków serca.
W twoim środowisku pracy dostępne są dwie ramki danych (normal i abnormal) oraz tablica czasowa (time) z poprzedniego ćwiczenia.
To ćwiczenie jest częścią kursu
Uczenie maszynowe dla danych szeregów czasowych w Pythonie
Instrukcje do ćwiczenia
- Oblicz średnią po plikach audio zawartych w
normaliabnormal, zachowując wymiar czasu. - Zwizualizuj te średnie w funkcji czasu.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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()