Recursos derivativos: o tempograma
Uma vantagem de limpar seus dados é poder calcular recursos mais sofisticados. Por exemplo, o cálculo do envelope que você fez é uma técnica comum para extrair recursos de tempo e ritmo. Neste exercício, você vai usar o librosa para calcular alguns recursos de tempo e ritmo em dados de batimentos cardíacos e treinar um modelo mais uma vez.
Note que as funções do librosa costumam operar apenas em arrays do numpy, e não em DataFrames. Por isso, vamos acessar nossos dados do Pandas como um array do Numpy usando o atributo .values.
Este exercício faz parte do curso
Machine Learning para dados de séries temporais em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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**6))
# 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)