Caracteristici derivate: Tempograma
Un avantaj al curățării datelor este că îți permite să calculezi caracteristici mai sofisticate.
De exemplu, calculul anvelopei pe care l-ai realizat este o tehnică comună
pentru extragerea caracteristicilor de tempo și ritm. În acest exercițiu, vei folosi librosa
pentru a calcula câteva caracteristici de tempo și ritm pentru datele cu bătăi de inimă, apoi vei antrena din nou un model.
Reține că funcțiile din librosa operează de obicei pe array-uri numpy în loc de DataFrame-uri,
așa că vom accesa datele Pandas ca array Numpy folosind atributul .values.
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.
# 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**10))
# 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)