Merkmale aus der Hüllkurve berechnen
Nachdem du einige der lauteren Schwankungen im Audio entfernt hast, schauen wir, ob sich dadurch deine Klassifikation verbessert.
audio_rectified_smooth aus der vorherigen Übung steht in deinem Workspace bereit.
Diese Übung ist Teil des Kurses
<Kurs>Maschinelles Lernen für Zeitreihendaten in Python</Kurs>Übungsanweisungen
- Berechne Mittelwert, Standardabweichung und Maximalwert für jeden Herzschlag.
- Staple diese Kennzahlen in derselben Reihenfolge als Spalten.
- Verwende Kreuzvalidierung, um in jeder CV-Iteration ein Modell zu fitten.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# 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))