Tidsinvarians
Det är alltid bra att börja med att visualisera rådata, men det ger ofta begränsad information när du försöker skilja mellan två klasser av datapunkter. Data är vanligtvis brusig eller uppvisar komplexa mönster som inte går att urskilja med blotta ögat.
En annan vanlig teknik för att hitta enkla skillnader mellan två datamängder är att beräkna medelvärdet över flera instanser av samma klass. Detta kan reducera brus och avslöja underliggande mönster – men det är inte alltid fallet.
I den här övningen beräknar du medelvärdet över många instanser av varje klass av hjärtljud.
De två DataFrames-objekten (normal och abnormal) samt tidsarrayen (time) från föregående övning finns tillgängliga i din arbetsyta.
Den här övningen är en del av kursen
Maskininlärning för tidsseriedata i Python
Övningsinstruktioner
- Beräkna medelvärdet över ljudfilerna i
normalrespektiveabnormal, längs tidsdimensionen. - Visualisera dessa medelvärden över tid.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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()