Ознайомлення з даними для класифікації

У фінальних вправах цього розділу ви дослідите два набори даних, з якими працюватимете в курсі.

Перший — це колекція звуків серцебиття. У нормі серце має передбачуваний звуковий ритм, але деякі розлади можуть спричиняти аномальне биття. Цей набір містить тренувальну вибірку з мітками для кожного типу серцебиття та тестову вибірку без міток. Ви використаєте тестову вибірку, щоб перевірити свої моделі.

Оскільки дані розмічені, цей набір ідеально підходить для класифікації. Власне, його спочатку опубліковано як частину публічного змагання на Kaggle.

Ця вправа є частиною курсу

Machine Learning для часових рядів у Python

Переглянути курс

Інструкції до вправи

Використайте glob, щоб отримати список файлів .wav у каталозі data_dir.
Імпортуйте перший аудіофайл зі списку за допомогою librosa.
Згенеруйте масив time для даних.
Побудуйте графік хвильової форми для цього файла разом із масивом часу.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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()

Редагувати та запускати код