Calcolare le feature dall’envelope
Ora che hai rimosso parte delle fluttuazioni più rumorose nell’audio, vediamo se questo migliora la tua capacità di classificare.
audio_rectified_smooth dell’esercizio precedente è disponibile nel tuo workspace.
Questo esercizio fa parte del corso
Machine Learning per dati di serie temporali in Python
Istruzioni dell'esercizio
- Calcola la media, la deviazione standard e il valore massimo per ciascun suono del battito cardiaco.
- Metti in colonna queste statistiche nello stesso ordine.
- Usa la convalida incrociata per addestrare un modello a ogni iterazione di CV.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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))