Utforska klassificeringsdata
I de avslutande övningarna i det här kapitlet utforskar du de två datamängder som används i kursen.
Den första är en samling hjärtljud. Ett friskt hjärta har ett förutsägbart ljudmönster när det slår, men vissa sjukdomar kan göra att hjärtat slår onormalt. Den här datamängden innehåller ett träningsset med etiketter för varje typ av hjärtslag, samt ett testset utan etiketter. Du använder testsetet för att validera dina modeller.
Eftersom data är märkt är den här datamängden idealisk för klassificering. Den användes ursprungligen i en offentlig Kaggle-tävling.
Den här övningen är en del av kursen
Maskininlärning för tidsseriedata i Python
Övningsinstruktioner
- Använd
globför att returnera en lista med.wav-filer i katalogendata_dir. - Importera den första ljudfilen i listan med
librosa. - Skapa en
time-array för datan. - Rita upp vågformen för den här filen tillsammans med tidsarrayan.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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()