Výpočet příznaků z obálky signálu
Teď, když jsi odstranil/a část hlučnějších výkyvů v audio záznamu, pojďme se podívat, jestli to zlepší schopnost klasifikace.
audio_rectified_smooth z předchozího cvičení máš k dispozici ve svém pracovním prostředí.
Toto cvičení je součástí kurzu
Machine Learning pro data časových řad v Pythonu
Pokyny k cvičení
- Vypočítej průměr, směrodatnou odchylku a maximální hodnotu pro každý zvuk tepu srdce.
- Spoj tyto statistiky pomocí sloupcového skládání ve stejném pořadí.
- Pomocí křížové validace natrénuj model v každé iteraci CV.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Calculate stats
means = np.____(audio_rectified_smooth, axis=0)
stds = ____(audio_rectified_smooth, axis=0)
maxs = ____(audio_rectified_smooth, axis=0)
# Create the X and y arrays
X = np.column_stack([____, ____, ____])
y = labels.reshape(-1, 1)
# Fit the model and score on testing data
from sklearn.model_selection import cross_val_score
percent_score = ____(model, ____, ____, cv=5)
print(np.mean(percent_score))