Calculer des caractéristiques à partir de l'enveloppe
Maintenant que vous avez retiré une partie des fluctuations les plus bruyantes dans l'audio, voyons si cela améliore votre capacité de classification.
audio_rectified_smooth de l'exercice précédent est disponible dans votre espace de travail.
Cette activité fait partie du cours
Machine Learning pour les données chronologiques en Python
Instructions de l’exercice
- Calculez la moyenne, l'écart type et la valeur maximale pour chaque son de battement cardiaque.
- Empilez ces statistiques en colonnes dans le même ordre.
- Utilisez la validation croisée pour ajuster un modèle à chaque itération de CV.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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))