Kenmerken berekenen uit de envelope
Nu je een deel van de ruisachtige schommelingen in het audiosignaal hebt verwijderd, kijken we of dit je classificatie verbetert.
audio_rectified_smooth uit de vorige oefening is beschikbaar in je werkruimte.
Deze oefening maakt deel uit van de cursus
Machine Learning voor tijdreeksgegevens in Python
Oefeninstructies
- Bereken het gemiddelde, de standaardafwijking en de maximale waarde voor elk hartslaggeluid.
- Stapel deze statistieken in dezelfde volgorde in kolommen.
- Gebruik cross-validatie om bij elke CV-iteratie een model te fitten.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# 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))