Calcular características a partir de la envolvente
Ahora que has eliminado algunas de las fluctuaciones más ruidosas del audio, veamos si esto mejora tu capacidad de clasificar.
audio_rectified_smooth del ejercicio anterior está disponible en tu espacio de trabajo.
Este ejercicio forma parte del curso
Machine Learning para datos de series temporales en Python
Instrucciones del ejercicio
- Calcula la media, la desviación estándar y el valor máximo para cada sonido de latido.
- Apila en columnas estas estadísticas en el mismo orden.
- Usa validación cruzada para ajustar un modelo en cada iteración de CV.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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))