從包絡線計算特徵
你已經去除了音訊中較吵雜的起伏，現在來看看這是否能提升分類的效果。
上一個練習產生的 audio_rectified_smooth 已可在你的工作區中使用。
本練習屬於課程
Python 的時間序列資料機器學習
練習說明
- 為每段心跳聲計算平均值、標準差與最大值。
- 依相同順序將這些統計量以欄方向堆疊（column stack）。
- 使用交叉驗證，在每次 CV 疊代中擬合模型。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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))