Caractéristiques dérivées : le tempogramme
Un avantage de nettoyer vos données, c'est que cela vous permet de calculer des caractéristiques plus avancées. Par exemple, le calcul de l'enveloppe que vous avez effectué est une technique courante pour extraire des caractéristiques de tempo et de rythme. Dans cet exercice, vous utiliserez librosa pour calculer certaines caractéristiques de tempo et de rythme à partir de données de battements cardiaques, puis vous entraînerez à nouveau un modèle.
Notez que les fonctions de librosa fonctionnent généralement uniquement sur des tableaux numpy plutôt que sur des DataFrame. Nous accéderons donc à nos données Pandas sous forme de tableau Numpy avec l'attribut .values.
Cette activité fait partie du cours
Machine Learning pour les données chronologiques en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Calculate the tempo of the sounds
tempos = []
for col, i_audio in audio.items():
tempos.append(lr.beat.____(y=i_audio.values, sr=sfreq, hop_length=2**10))
# Convert the list to an array so you can manipulate it more easily
tempos = np.array(tempos)
# Calculate statistics of each tempo
tempos_mean = tempos.____(axis=-1)
tempos_std = tempos.____(axis=-1)
tempos_max = tempos.____(axis=-1)