Obliczanie cech z obwiedni
Skoro udało się usunąć część szumów z sygnału audio, sprawdźmy, czy poprawi to skuteczność klasyfikacji.
Zmienna audio_rectified_smooth z poprzedniego ćwiczenia jest dostępna w twoim środowisku pracy.
To ćwiczenie jest częścią kursu
Uczenie maszynowe dla danych szeregów czasowych w Pythonie
Instrukcje do ćwiczenia
- Oblicz wartość średnią, odchylenie standardowe i wartość maksymalną dla każdego dźwięku bicia serca.
- Połącz te statystyki w kolumny w tej samej kolejności.
- Użyj walidacji krzyżowej, aby dopasować model w każdej iteracji.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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))