檢視分類資料
在本章最後的幾個練習中，你會先探索本課程要用到的兩個資料集。
第一個是心跳聲的蒐集。正常的心臟在跳動時會有可預測的聲音模式，但某些疾病會讓心跳變得「不正常」。這個資料集包含一個帶有各種心跳類型標籤的「訓練集」，以及一個沒有標籤的「測試集」。你會使用「測試集」來驗證你的模型。
因為你手上有標記好的資料，這個資料集很適合用來做「分類」。事實上，它最初是作為一個【Kaggle 公開競賽】的一部分提供的（https://www.kaggle.com/kinguistics/heartbeat-sounds）。
本練習屬於課程
Python 的時間序列資料機器學習
練習說明
- 使用
glob取得data_dir目錄中所有.wav檔案的清單。 - 使用
librosa匯入清單中的第一個音訊檔。 - 產生對應的
time陣列。 - 繪製此檔案的波形，並搭配時間陣列一同顯示。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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()