Zlepšení příznaků pro klasifikaci

Machine Learning pro data časových řad v Pythonu

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Sluchová obálka

Vyhlazením dat se vypočítá sluchová obálka
Souvisí s celkovým množstvím zvukové energie v každém okamžiku

Vyhlazování v čase

Místo průměru přes celý čas lze použít lokální průměr
Tento postup se nazývá vyhlazování časové řady
Odstraňuje krátkodobý šum a zachovává celkový vzor

Vyhlazování dat

Výpočet statistiky klouzavého okna

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

(5000, 20)

# Smooth our data by taking the rolling mean in a window of 50 samples
window_size = 50
windowed = audio.rolling(window=window_size)
audio_smooth = windowed.mean()

Výpočet sluchové obálky

Nejprve usměrněte zvuk, poté jej vyhlaďte

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

Extrakce příznaků z obálky

# Calculate several features of the envelope, one per sound
envelope_mean = np.mean(audio_envelope, axis=0)
envelope_std = np.std(audio_envelope, axis=0)
envelope_max = np.max(audio_envelope, axis=0)

# Create our training data for a classifier
X = np.column_stack([envelope_mean, envelope_std, envelope_max])

Příprava příznaků pro scikit-learn

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

Křížová validace pro klasifikaci

cross_val_score automatizuje:
- Rozdělení dat na trénovací / validační sady
- Trénování modelu
- Vyhodnocení na validačních datech
- Opakování tohoto procesu

Použití cross_val_score

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]

Zvukové příznaky: Tempogram

Složitější časové informace lze shrnout pomocí funkcí pro časové řady
librosa je skvělá knihovna pro extrakci zvukových příznaků
Vypočítáme tempogram – odhad tempa zvuku v čase
Souhrnné statistiky tempa lze počítat stejně jako pro obálku

Výpočet tempogramu

# Import librosa and calculate the tempo of a 1-D sound array
import librosa as lr
audio_tempo = lr.beat.tempo(y=audio, sr=sfreq, 
                            hop_length=2**6)

Pojďme cvičit!

Machine Learning pro data časových řad v Pythonu