（喂，你）那是什麼聲音？

歌曲一開始是類比的東西：聲音其實是空氣的振動。若要分析一首歌，你需要把它轉成有意義的數值。Million Song Dataset 中的每一首歌，都在整首歌的規律時間點量測了 12 種音色（timbre）指標。音色是對聲音感知品質的量測；例如，你可以用它來分辨人聲、弦樂與打擊樂的差異。

在本章中，你會嘗試根據音色來預測歌曲發行的年份。也就是說，你會用這些音色量測值來產生模型所需的特徵。（回想一下，機器學習中的「特徵」指的是模型的輸入變數；在統計學中常稱為解釋變數。）

音色資料是一個矩陣：列代表時間點，欄代表不同的音色量測。因此所有音色矩陣都有 12 欄，但列數會因歌曲而異。每一欄的平均值可以估計該音色量測在整首歌上的平均表現。這些平均值可用來為模型產生 12 個特徵。