การคำนวณ features จาก envelope
หลังจากลดความผันผวนที่มีสัญญาณรบกวนในข้อมูลเสียงออกไปแล้ว มาดูกันว่าสิ่งนี้ช่วยเพิ่มความแม่นยำในการจำแนกประเภทได้หรือไม่
audio_rectified_smooth จากแบบฝึกหัดก่อนหน้าพร้อมใช้งานใน workspace ของคุณแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning สำหรับข้อมูล Time Series ใน Python
คำแนะนำการฝึกหัด
- คำนวณค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และค่าสูงสุดของเสียงการเต้นของหัวใจแต่ละเสียง
- นำค่าสถิติเหล่านี้มารวมกันเป็น column ตามลำดับเดิม
- ใช้ cross-validation เพื่อ fit โมเดลในแต่ละรอบของ CV
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Calculate stats
means = np.____(audio_rectified_smooth, axis=0)
stds = ____(audio_rectified_smooth, axis=0)
maxs = ____(audio_rectified_smooth, axis=0)
# Create the X and y arrays
X = np.column_stack([____, ____, ____])
y = labels.reshape(-1, 1)
# Fit the model and score on testing data
from sklearn.model_selection import cross_val_score
percent_score = ____(model, ____, ____, cv=5)
print(np.mean(percent_score))