Combinarea mai multor caracteristici într-un clasificator
În această lecție ai extras numeroase caracteristici din datele audio – unele conțin informații despre modul în care sunetul se schimbă în timp, altele descriu conținutul spectral prezent.
Frumusețea învățării automate constă în capacitatea de a gestiona simultan toate aceste caracteristici. Dacă fiecare caracteristică aduce informații diferite, clasificatorul va putea distinge mai bine tipurile de audio. Reține că acest lucru necesită adesea tehnici mai avansate, cum ar fi regularizarea, pe care o vom aborda în capitolul următor.
Pentru ultimul exercițiu din capitol, am încărcat deja multe dintre caracteristicile pe care le-ai calculat anterior. Combină-le pe toate într-un array care poate fi transmis clasificatorului și observă cum se descurcă.
Acest exercițiu face parte din cursul
Machine Learning pentru Date de Tip Șir de Timp în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Loop through each spectrogram
bandwidths = []
centroids = []
for spec in spectrograms:
# Calculate the mean spectral bandwidth
this_mean_bandwidth = np.____(lr.feature.____(S=spec))
# Calculate the mean spectral centroid
this_mean_centroid = np.____(lr.feature.____(S=spec))
# Collect the values
bandwidths.append(this_mean_bandwidth)
centroids.append(this_mean_centroid)