(अरे सुनिए) ये कैसी आवाज़ है?

गाने मूल रूप से ऐनालॉग होते हैं: उनकी आवाज़ असल में हवा के कंपन होती है। किसी गाने का विश्लेषण करने के लिए, आपको उसे सार्थक संख्याओं में बदलना होता है। Million Song Dataset में हर ट्रैक के लिए पूरे गाने में नियमित अंतराल पर लिए गए बारह timbre माप होते हैं। (Timbre किसी ध्वनि की अनुभूत गुणवत्ता का मानक है; इसकी मदद से आप, उदाहरण के लिए, मानव आवाज़, स्ट्रिंग इंस्ट्रूमेंट्स और परकशन इंस्ट्रूमेंट्स में अंतर कर सकते हैं.)

इस अध्याय में, आप किसी ट्रैक के timbre के आधार पर यह भविष्यवाणी करने की कोशिश करेंगे कि वह किस वर्ष रिलीज़ हुआ था। यानी, आप इन्हीं timbre मापों का उपयोग करके मॉडल्स के लिए फीचर्स बनाएँगे। (ध्यान दें, feature मशीन लर्निंग की शब्दावली में किसी मॉडल के इनपुट वैरिएबल को कहा जाता है। आँकड़ों/स्टैटिस्टिक्स में इन्हें अक्सर explanatory variables कहा जाता है.)

Timbre डेटा एक मैट्रिक्स के रूप में होता है, जिसमें पंक्तियाँ समय-बिंदुओं का प्रतिनिधित्व करती हैं और कॉलम अलग-अलग timbre मापों का। इसलिए सभी timbre मैट्रिसेज़ में बारह कॉलम होते हैं, लेकिन पंक्तियों की संख्या गाने के अनुसार बदलती है। प्रत्येक कॉलम का mean पूरे गाने में उस timbre माप के औसत का अनुमान देता है। इन्हीं से मॉडल के लिए बारह फीचर्स तैयार किए जा सकते हैं.