एनवेलप से फीचर निकालना
अब जब आपने ऑडियो में मौजूद कुछ शोरयुक्त उतार-चढ़ाव हटा दिए हैं, तो देखिए क्या इससे क्लासिफिकेशन करने की आपकी क्षमता बेहतर होती है.
पिछले अभ्यास से audio_rectified_smooth आपके वर्कस्पेस में उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Time Series Data के लिए Machine Learning
अभ्यास निर्देश
- हर हार्टबीट साउंड के लिए mean, standard deviation, और maximum वैल्यू कैलकुलेट करें.
- इन्हीं क्रम में इन स्टैट्स को column stack करें.
- हर CV iteration पर मॉडल फिट करने के लिए cross-validation का उपयोग करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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))