Cechy pochodne: tempogram

Jedną z zalet oczyszczania danych jest możliwość obliczania bardziej zaawansowanych cech. Na przykład obliczanie obwiedni, które wykonałeś(-aś) wcześniej, to popularna technika stosowana przy wyznaczaniu cech związanych z tempem i rytmem. W tym ćwiczeniu użyjesz biblioteki librosa, aby obliczyć cechy tempa i rytmu dla danych z nagraniami uderzeń serca, a następnie ponownie dopasujesz model.

Zwróć uwagę, że funkcje biblioteki librosa zazwyczaj działają wyłącznie na tablicach numpy, a nie na obiektach DataFrame. Dlatego dostęp do danych Pandas jako tablicy NumPy uzyskamy za pomocą atrybutu .values.

Użyj biblioteki librosa, aby obliczyć tempogram dla każdego nagrania uderzenia serca.
Oblicz średnią, odchylenie standardowe i maksimum każdego tempogramu (tym razem korzystając z metod obiektu DataFrame).

Exercise

Cechy pochodne: tempogram

Instructions 1/2

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}Exercise

Instructions 1/2

Exercise