डेरिवेटिव फीचर्स: टेम्पोग्राम
अपने डेटा को साफ़ करने का एक लाभ यह है कि आप और भी उन्नत फीचर्स निकाल सकते हैं। उदाहरण के तौर पर, जो एनवेलप कैलकुलेशन आपने किया, वह tempo और rhythm फीचर्स निकालने की एक आम तकनीक है। इस अभ्यास में, आप librosa का उपयोग करके हार्टबीट डेटा के लिए कुछ टेम्पो और रिदम फीचर्स निकालेंगे, और एक बार फिर मॉडल फिट करेंगे.
ध्यान दें कि librosa फंक्शंस आम तौर पर DataFrames के बजाय सिर्फ़ numpy arrays पर काम करते हैं, इसलिए हम अपने Pandas डेटा को .values एट्रिब्यूट के साथ Numpy array के रूप में एक्सेस करेंगे.
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।
# 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)