Незмінність у часі
Хоча завжди варто починати з візуалізації «сирих» даних, часто цього недостатньо, щоб розрізнити два класи точок даних. Зазвичай дані зашумлені або містять складні патерни, які не видно неозброєним оком.
Ще один поширений прийом, щоб знайти прості відмінності між двома наборами даних, — це усереднення багатьох екземплярів одного класу. Це може прибрати шум і показати приховані закономірності (а може й ні).
У цій вправі ви усередните багато прикладів кожного класу звуків серцебиття.
Два датафрейми (normal і abnormal) і масив часу (time) з попередньої вправи доступні у вашому середовищі.
Ця вправа є частиною курсу
Machine Learning для часових рядів у Python
Інструкції до вправи
- Усередніть аудіофайли, що містяться в
normalіabnormal, залишивши часовий вимір. - Візуалізуйте ці середні значення в часі.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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()