Bir sınıflandırıcıda birçok özelliği birleştirme
Bu derste ses verisinden birçok özellik ürettin — bazıları sesin zamanda nasıl değiştiğine dair bilgi içeriyor, bazıları ise mevcut spektral içeriğe dair bilgi veriyor.
Machine Learning'in güzelliği, tüm bu özellikleri aynı anda işleyebilmesidir. Her özellikte farklı bilgi varsa, bu sınıflandırıcının ses türlerini ayırt etme becerisini artırmalıdır. Bunun sıklıkla düzenlileştirme gibi daha ileri teknikler gerektirdiğini unutma; bunu bir sonraki bölümde ele alacağız.
Bu bölümün son egzersizi için, daha önce hesapladığın birçok özelliği yükledik. Hepsini sınıflandırıcıya verilebilecek bir diziye (array) birleştir ve nasıl performans gösterdiğine bak.
Bu egzersiz
Python ile Zaman Serisi Verileri için Machine Learning
kursunun bir parçasıdırUygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# 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)