การรวมฟีเจอร์หลายตัวเข้าในตัวจำแนกประเภท
ในบทเรียนนี้ได้ฝึกสร้างฟีเจอร์หลากหลายจากข้อมูลเสียง บางฟีเจอร์บันทึกการเปลี่ยนแปลงของเสียงตามเวลา ในขณะที่บางฟีเจอร์บันทึกเนื้อหาเชิงสเปกตรัมที่ปรากฏอยู่
จุดเด่นของ machine learning คือสามารถรับมือกับฟีเจอร์ทั้งหมดเหล่านี้พร้อมกันได้ หากแต่ละฟีเจอร์มีข้อมูลที่แตกต่างกัน ก็จะช่วยให้ตัวจำแนกประเภทแยกแยะประเภทของเสียงได้ดียิ่งขึ้น ทั้งนี้ มักต้องใช้เทคนิคขั้นสูงเพิ่มเติม เช่น regularization ซึ่งจะครอบคลุมในบทถัดไป
ในแบบฝึกหัดสุดท้ายของบทนี้ ได้โหลดฟีเจอร์ต่าง ๆ ที่คำนวณไว้ก่อนหน้านี้ให้แล้ว ให้นำฟีเจอร์ทั้งหมดมารวมกันเป็น array เพื่อป้อนเข้าตัวจำแนกประเภท แล้วดูว่าผลลัพธ์เป็นอย่างไร
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning สำหรับข้อมูล Time Series ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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)