การสกัดคุณลักษณะเชิงสเปกตรัม
อย่างที่เห็นได้ชัด สเปกโตรแกรมมีข้อมูลมากกว่าไฟล์เสียงดิบอย่างมาก การคำนวณคุณลักษณะเชิงสเปกตรัม (spectral features) จึงช่วยให้เข้าใจสัญญาณได้ลึกขึ้นมาก ด้วยเหตุนี้ จึงมีคุณลักษณะเชิงสเปกตรัมหลากหลายประเภทที่สามารถคำนวณได้โดยใช้สเปกโตรแกรมเป็นพื้นฐาน ในแบบฝึกหัดนี้ เราจะมาลองดูคุณลักษณะเหล่านั้นสักสองสามตัว
สเปกโตรแกรม spec จากแบบฝึกหัดก่อนหน้าพร้อมใช้งานในเวิร์กสเปซแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning สำหรับข้อมูล Time Series ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
import librosa as lr
# Calculate the spectral centroid and bandwidth for the spectrogram
bandwidths = lr.feature.____(S=____)[0]
centroids = lr.feature.____(S=____)[0]