कई फीचर्स को एक क्लासिफायर में जोड़ना
आपने इस लेसन में ऑडियो डेटा से कई फीचर्स इंजीनियर किए हैं — कुछ में यह जानकारी है कि समय के साथ ऑडियो कैसे बदलता है, और कुछ में मौजूद स्पेक्ट्रल कंटेंट की जानकारी है.
मशीन लर्निंग की खूबी यह है कि यह इन सभी फीचर्स को एक साथ संभाल सकती है. अगर हर फीचर में अलग तरह की जानकारी हो, तो क्लासिफायर की क्षमता ऑडियो के प्रकारों को अलग पहचानने में बेहतर होनी चाहिए. ध्यान दें कि इसके लिए अक्सर रेग्युलराइज़ेशन जैसी एडवांस्ड तकनीकों की ज़रूरत होती है, जिन्हें हम अगले चैप्टर में कवर करेंगे.
इस चैप्टर के अंतिम अभ्यास के लिए, हमने वे कई फीचर्स लोड कर दिए हैं जो आपने पहले कैलकुलेट किए थे. इन सभी को मिलाकर ऐसा एरे बनाएँ जिसे क्लासिफायर में फीड किया जा सके, और देखें कि उसका प्रदर्शन कैसा रहता है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Time Series Data के लिए Machine Learning
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Loop through each spectrogram
bandwidths = []
centroids = []
for spec in spectrograms:
# Calculate the mean spectral bandwidth
this_mean_bandwidth = np.____(lr.feature.____(S=spec))
# Calculate the mean spectral centroid
this_mean_centroid = np.____(lr.feature.____(S=spec))
# Collect the values
bandwidths.append(this_mean_bandwidth)
centroids.append(this_mean_centroid)