ความไม่แปรผันตามเวลา
แม้ว่าควรเริ่มต้นด้วยการแสดงภาพข้อมูลดิบเสมอ แต่วิธีนี้มักให้ข้อมูลที่ไม่เพียงพอสำหรับการแยกแยะระหว่างสองคลาสของจุดข้อมูล โดยทั่วไปข้อมูลมักมีสัญญาณรบกวนหรือแสดงรูปแบบที่ซับซ้อนซึ่งไม่สามารถมองเห็นได้ด้วยตาเปล่า
อีกเทคนิคหนึ่งที่ใช้กันทั่วไปในการค้นหาความแตกต่างระหว่างข้อมูลสองชุด คือการหา ค่าเฉลี่ย จากหลายตัวอย่างในคลาสเดียวกัน วิธีนี้ อาจ ช่วยลดสัญญาณรบกวนและเผยรูปแบบที่ซ่อนอยู่ได้ (หรืออาจไม่ได้ผลก็เป็นได้)
ในแบบฝึกหัดนี้ จะคำนวณค่าเฉลี่ยจากตัวอย่างหลายชุดในแต่ละคลาสของเสียงการเต้นของหัวใจ
DataFrame ทั้งสอง (normal และ abnormal) และอาร์เรย์เวลา (time) จากแบบฝึกหัดก่อนหน้านี้พร้อมใช้งานแล้วใน workspace ของคุณ
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning สำหรับข้อมูล Time Series ใน Python
คำแนะนำการฝึกหัด
- คำนวณค่าเฉลี่ยของไฟล์เสียงใน
normalและabnormalโดยคงมิติของเวลาไว้ - แสดงภาพค่าเฉลี่ยเหล่านี้ตามช่วงเวลา
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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()