De features voor classificatie verbeteren

Machine Learning voor tijdreeksgegevens in Python

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

De auditieve envelop

Maak de data glad om de auditieve envelop te berekenen
Geeft de totale hoeveelheid audio-energie op elk moment weer

Gladstrijken in de tijd

In plaats van over alle tijd te middelen, kun je lokaal middelen
Dit heet je tijdreeks gladstrijken
Het verwijdert kortetermijnruis en behoudt het algemene patroon

Je data gladstrijken

Een rolling window-statistiek berekenen

# Audio is a Pandas DataFrame
print(audio.shape)  
# (n_times, n_audio_files)

(5000, 20)

# Strijk onze data glad met het voortschrijdend gemiddelde over een venster van 50 samples
window_size = 50
windowed = audio.rolling(window=window_size)
audio_smooth = windowed.mean()

De auditieve envelop berekenen

Eerst je audio rectificeren, daarna gladstrijken

  audio_rectified = audio.apply(np.abs)
  audio_envelope = audio_rectified.rolling(50).mean()

Feature engineering van de envelop

# Bereken meerdere kenmerken van de envelop, één per geluid
envelope_mean = np.mean(audio_envelope, axis=0)
envelope_std = np.std(audio_envelope, axis=0)
envelope_max = np.max(audio_envelope, axis=0)

# Maak onze trainingsdata voor een classifier
X = np.column_stack([envelope_mean, envelope_std, envelope_max])

Onze features voorbereiden voor scikit-learn

X = np.column_stack([envelope_mean, envelope_std, envelope_max])
y = labels.reshape(-1, 1)

Cross-validatie voor classificatie

cross_val_score automatiseert:
- Data splitsen in training-/validatiesets
- Het model fitten op trainingsdata
- Scoren op validatiedata
- Dit proces herhalen

`cross_val_score` gebruiken

from sklearn.model_selection import cross_val_score

model = LinearSVC()
scores = cross_val_score(model, X, y, cv=3) 
print(scores)

[0.60911642 0.59975305 0.61404035]

Auditieve features: de Tempogram

Met tijdreeksfuncties kun je complexere temporele info samenvatten
librosa is een fijne library voor auditieve en tijdreeks-feature engineering
We berekenen hier de tempogram, die het tempo in de tijd schat
Samenvattingen van tempo kun je net zo berekenen als voor de envelop

De tempogram berekenen

# Importeer librosa en bereken het tempo van een 1D-geluidsarray
import librosa as lr
audio_tempo = lr.beat.tempo(y=audio, sr=sfreq, 
                            hop_length=2**6)

Laten we oefenen!

Machine Learning voor tijdreeksgegevens in Python